简 介【】针对智能车竞赛走马观碑组数据集过大、识别率低的问题团队基于原有数据集优化推出WPNIST新数据集。该数据集精选300余张图片分为武器、物资、载具三大类每类50图通过删除冗余图片、保留挑战性样本在保证90%以上识别准确率的同时将推理时间压缩至5ms左右。测试采用68×68分辨率模型验证了数据集在精度与速度上的平衡性。修改后的数据集兼容原有资源避免选手重复投入下载链接已附。关键词智能车竞赛WPNIST走马观碑WPNIST : WeaPon NIST 数据集合用于第21节走马观碑组赛道图片识别有300多张图片分为三大类武器物资、载具共6个小类每个小类中包含有 50多张图片第二十一届全国大学生智能汽车竞赛比赛规则第21届全国大学生智能汽车竞赛提问与回答走马观碑组别【WPNIST数据集合】卓老师您好鉴于很多同学反馈今年走马观碑组数据集数据量过大识别准确率偏低19届数据集不太适合今年的龙芯组别。因此我们在原有数据集基础上裁剪整理了一份新的数据集以下为修改情况和测试结果。结合竞赛需求和同学们的反馈筛选保留了300余张图片筛选过程中兼顾了合理性与实用性一方面删除了特征过于相似的图片避免冗余数据对模型训练造成干扰另一方面特意保留了部分识别有难度的图片核心目的是在删减数据集的同时避免数据集难度过低确保比赛仍具有足够的含金量兼顾删减需求与竞赛的公平性和挑战性。同时选择在原有数据集基础上裁剪而非更换新数据集目的是保证同学们手头现有的数据集仍可复用避免大家在数据集上浪费额外的时间和金钱兼顾实用性与经济性。为了验证修改后数据集的可用性我们进行了完整的测试具体测试条件如下✅ 原图像分辨率320240✅ 模型与识别图像分辨率6868✅ 所用模型龙邱开源NCNN识别方案通过网盘分享的文件走马观碑数据集大改.zip链接: https://pan.baidu.com/s/1FYY4fpwBQ9UNm1jem5tAIg?pwd8nhe提取码: 8nhe经过多次实际测试该数据集的识别准确率稳定在90%以上且筛选后无特别容易混淆的图片有效降低了模型识别误差推理时间能够维持在5ms左右能够实现极快的识别速度这样就可以兼顾赛题对速度和识别精度的要求。本次修改主要针对大家反馈的数据集问题进行优化希望能为各位同学备赛提供切实的帮助。