簡 介：針對智能車競賽走馬觀碑組數據集過大、識別率低的問題，團隊基于原有數據集優化推出WPNIST新數據集。該數據集精選300余張圖片，分為武器、物資、載具三大類（每類50+圖），通過刪除冗余圖片、保留挑戰性樣本，在保證90%以上識別準確率的同時，將推理時間壓縮至5ms左右。測試采用68×68分辨率模型，驗證了數據集在精度與速度上的平衡性。修改后的數據集兼容原有資源，避免選手重復投入，下載鏈接已附。
關鍵詞：智能車競賽，WPNIST，走馬觀碑
WPNIST : WeaPon NIST 數據集合用于第21節走馬觀碑組賽道圖片識別，有300多張圖片，分為三大類（武器，物資、載具）供拉個小類，每個小類中包含有 50多張圖片
卓老師，您好！
??鑒于很多同學反饋，今年走馬觀碑組數據集數據量過大，識別準確率偏低，19屆數據集不太適合今年的龍芯組別。因此，我們在原有數據集基礎上裁剪整理了一份新的數據集，以下為修改情況和測試結果。
??結合競賽需求和同學們的反饋，篩選保留了300余張圖片，篩選過程中兼顧了合理性與實用性：
??一方面刪除了特征過于相似的圖片，避免冗余數據對模型訓練造成干擾；另一方面特意保留了部分識別有難度的圖片，核心目的是在刪減數據集的同時，避免數據集難度過低，確保比賽仍具有足夠的含金量，兼顧刪減需求與競賽的公平性和挑戰性。同時，選擇在原有數據集基礎上裁剪而非更換新數據集，目的是保證同學們手頭現有的數據集仍可復用，避免大家在數據集上浪費額外的時間和金錢，兼顧實用性與經濟性。
??為了驗證修改后數據集的可用性，我們進行了完整的測試，具體測試條件如下：
??? 原圖像分辨率：320*240
??? 模型與識別圖像分辨率：68*68
??? 所用模型：龍邱開源NCNN識別方案
??經過多次實際測試，該數據集的識別準確率穩定在90%以上，且篩選后無特別容易混淆的圖片，有效降低了模型識別誤差；推理時間能夠維持在5ms左右，能夠實現極快的識別速度，這樣就可以兼顧賽題對速度和識別精度的要求。
??本次修改主要針對大家反饋的數據集問題進行優化，希望能為各位同學備賽提供切實的幫助。
