官网下载速度很慢，整理好放在了：迅雷网盘

BDD100K数据集是自动驾驶和计算机视觉领域最具影响力的公开数据集之一，由加州大学伯克利分校BAIR实验室与MIT联合发布，Nexar提供了海量的驾驶视频数据支持。它被誉为当前规模最大、最多样化的驾驶视频数据集，旨在推动多任务学习在真实复杂场景下的应用。

核心规模与多样性

BDD100K得名于其包含的10万段高清驾驶视频。每段视频时长约40秒，分辨率为720p，帧率为30fps，同时附带了手机录制的GPS/IMU轨迹信息。这些视频采集自美国各地，涵盖了纽约、旧金山湾区等多种地理环境。

其数据多样性是核心亮点：

• 环境多样性：包含城市街道、住宅区、高速公路等六种场景。

• 天气多样性：覆盖晴天、阴天、雨天甚至雪天等六种不同天气。

• 时间段多样性：白天和夜晚的视频数量大致相当，便于进行域适应研究。

丰富的标注任务

BDD100K不仅数据量大，标注也十分丰富。研究者从每段视频的第10秒采样出关键帧，提供了多层次的标注信息，使其能够支持多达10种不同的视觉任务：

1. 图像标记：为每张图片标注天气、场景和时间段标签，用于图像分类和域适应研究。

2. 道路目标检测：为10类常见道路对象（如汽车、行人、交通灯、自行车等）提供了边界框标注，总实例数超过100万个。标注还包括了“遮挡”和“截断”等属性。

3. 车道线检测：详细标注了垂直车道线（红色，指示行驶方向）和平行车车道线（蓝色，如停车线），并区分了实线、虚线、双线等属性。

4. 可驾驶区域分割：将可行驶区域划分为“直接可驾驶”（红色，享有路权）和“选择性可驾驶”（蓝色，需注意其他车辆）两类，用于语义分割任务。

5. 其他任务：数据集还支持实例分割、多目标跟踪、多目标分割跟踪、模仿学习等任务。

数据集划分

整个数据集被划分为三个部分，便于模型训练和评估：

• 训练集：70,000个视频及其标注。

• 验证集：10,000个视频及其标注。

• 测试集：20,000个视频（官方不提供公开标注，用于在线评估）。

使用建议

下载完成后，主要关注两个核心压缩包：images_100k.zip（包含所有关键帧图片）和labels_100k.zip（包含官方JSON格式的标注文件）。官方还提供了Python工具包bdd100k，方便开发者加载和处理数据。