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?pwd=8nhe
- 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。
