作为一名大学生请你分别介绍目前主流的车辆目标检测数据集查重率不超过10

COCO数据集：COCO是目前最为流行的车辆目标检测数据集之一，包含超过33万张图像和超过2.5万个类别丰富的目标实例。该数据集中的图像涵盖了各种不同场景，如城市街道、户外环境、室内场所等，它还包含了多个对象类别和实例，如车辆、行人、建筑等。COCO数据集可以用于训练和测试车辆目标检测模型。

KITTI数据集：KITTI是一个由卡尔斯鲁厄理工学院和丰田美国技术研究所联合发布的车辆目标检测数据集，包含22个序列的城市街景图像、车辆轨迹、激光雷达和相机数据。该数据集中包含了各种车辆、行人和自行车的实例，是车辆自动驾驶领域的重要数据集之一。

Cityscapes数据集：Cityscapes是一个专门用于城市场景分割和车辆目标检测的数据集，包含约5000张高分辨率的图像和30个类别的目标实例。该数据集中的图像主要来自于德国城市，涵盖了各种复杂的场景，如繁忙的城市街道、道路、建筑和人行道等。Cityscapes数据集可用于训练和测试车辆目标检测模型，以及用于城市场景分割的模型。

Pascal VOC数据集：Pascal VOC是一个广泛使用的目标检测数据集，包含了多个对象类别和实例。该数据集中包含了各种车辆、行人、动物、建筑等实例，可用于训练和测试车辆目标检测模型。此外，Pascal VOC数据集还包含了相应的图像注释和标记，可用于评估模型的性能。

BDD100K数据集：BDD100K是一个开源的大规模自动驾驶数据集，包含超过10万张图像和约10亿个目标实例。该数据集中涵盖了各种不同场景，如城市街道、高速公路、农村道路等，可以用于训练和测试车辆目标检测模型。BDD100K数据集是一个新兴的数据集，目前正在得到越来越多的关注和使用