官網：http://bair.berkeley.edu/blog/2018/05/30/bdd/
數據集下載地址：http://bdd-data.berkeley.edu.
論文下載地址：https://arxiv.org/abs/1805.04687
近日，伯克利大學AI實驗室（BAIR）發佈了目前最大規模、內容最具多樣性的公開駕駛數據集BDD100K，同時設計了一個圖片標註系統（Labeling System 的介紹見論文）。BDD100K 數據集包含10萬段高清視頻，每個視頻約40秒，720p，30 fps 。每個視頻的第10秒對關鍵幀進行採樣，得到10萬張圖片（圖片尺寸：1280 * 720 ），並進行標註。
一、Annotations
1、 道路目標邊界框：10萬張圖片
其中：訓練集7萬，測試集2萬，驗證集1萬
2、 可行駛區域：10萬張圖片
3、 車道線標記：10萬張圖片
4、 全幀實例分割：1萬張圖片
Annotation包含了被標記對象的：
源圖像的URL、類別標籤、大小（起始座標、結束座標、寬度和高度）、截斷、遮擋和交通燈顏色等信息。
二、 Image Tagging
（一）標籤類別
數據集中的GT框標籤共有10個類別，分別爲：Bus、Light、Sign、Person、Bike、Truck、Motor、Car、Train、Rider。總共約有184萬個標定框，不同類型目標的數目統計如圖1所示。
其中小車（Car一類）就超過了100萬個樣本。平均而言，每張圖片約9.7輛車，1.2個人。尤其是，行人的數量多於之前的數據集，具體數目如圖2所示（統計是基於各數據集中的訓練集的）。
（二） 天氣、場景和時間
1、天氣：晴天、多雲、陰天、下雨、下雪、霧天6種天氣，以晴天爲主。
2、 場景：住宅區、公路、城市街道、停車場、加油站、隧道6種場景，以城市街道爲主。
3、時間：黎明/黃昏、白天、夜晚3個階段，其中白天、夜晚居多。
（三）Occluded、Truncated
目標的是否遮擋、截斷情況標註。
10萬張圖片中，包含了不同天氣、場景、時間的圖片，而且高清、模糊的圖片都有，規模大，多樣化，都是真實的駕駛場景。