KITTI评价指标学习

最新推荐文章于 2025-03-14 19:53:32 发布
最新推荐文章于 2025-03-14 19:53:32 发布
阅读量2.5k 收藏 10
点赞数 2
分类专栏： 深度学习 python 文章标签： 学习 目标检测 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_47096428/article/details/128540824
版权
该博客介绍了在完成pointpillars训练后的目标检测评估，重点在于Kitti的评估标准。Kitti将目标检测分为Easy、Moderate和Hard三个难度级别，根据bounding box高度、遮挡程度和截断比例设定标准。此外，检测指标包括bbox、bev、3d和aos的准确率。AP计算涉及不同confidence阈值下的recall和precision曲线，而COCO方法则依据IoU变化计算recall和precision。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在pointpillars完成训练后,可以看到对于目标检测的评估,据了解,这是kitti的标准目标检测格式,所以了解了一下.

在generate label finished后,可以看到类别Car对应的AP(Average precision)有3个0.70,分别对应的是Kitti object detection中,被分为Easy, Moderate,和Hard三种级别物体的最小IoU阈值.换言之,检测到IoU小于70%的不算检测成功.

下面是检测所对应的难度级别标准,简单的物体 bounding box大,没有遮掩. 难的相反.

  • Easy: Min. bounding box height: 40 Px, Max. occlusion level: Fully visible, Max. truncation: 15 %
  • Moderate: Min. bounding box height: 25 Px, Max. occlusion level: Partly occluded, Max. truncation: 30 %
  • Hard: Min. bounding box height: 25 Px, Max. occlusion level: Difficult to see, Max. truncation: 50 %

下面的检测指标分为四种指标,

  • bbox：2D检测框的准确率，
  • bev： BEV视图下检测框的准确率，
  • 3d： 3D检测框的准确率，
  • aos： 检测目标旋转角度的准确率

最低0.47元/天 解锁文章
3D目标检测实战 | 图解KITTI数据集评价指标AP R40(附Python实现)
FRIGIDWINTER的博客
11-06 2795
平均准确度AP是目标检测中非常重要的评价指标，本文介绍准确率、召回率，用实例讲解P-R曲线的绘制，分析了AP R11和AP R40的区别，并给出Python实现
3D车辆检测AP评价指标代码的理解
Heart_M的博客
10-18 1992
课题研究的是单目3D车辆的识别，采用的目标检测网络是SMOKE，为了可以更好的定量评测训练模型的性能，需要使用到合理的评测指标，目前比较流行的评测指标是得到多组precision和recall值画出PR曲线，然后计算PR曲线下的面积得到AP。 关于更详细的原理的介绍已经有很多优秀的文章，本篇博客主要是结合Kitti数据集的官网代码以及自己的理解做的一些总结，如有理解不当请斧正。 基本概念的理解 IOU：IOU指的是两个检测框的交并比，也就是两个框的重合程度，数值越大代表两个框重合度越高。在计算AP的过
KITTI数据集简介与使用
热门推荐
Solomon1558的专栏
04-14 27万+
摘要：本文融合了Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite和Vision meets Robotics: The KITTI Dataset两篇论文的内容，主要介绍KITTI数据集概述，数据采集平台，数据集详细描述，评价准则以及具体使用案例。本文对KITTI数据集提供一个较为详细全面的介绍，重点关注利用K
KITTI 3D目标检测的评估指标
W1995S的博客
03-31 2万+
Car AP_R40@0.70, 0.50, 0.50: bbox AP:95.5675, 92.1874, 91.3088 bev AP:95.6500, 94.7010, 93.9918 3d AP:95.6279, 94.5680, 93.6853 aos AP:95.54, 91.98, 90.94 Pedestrian AP@0.50, 0.50, 0.50: bbox AP:65.0374, 61.3875, 57.8241 bev AP:60.1475, 54.9657, 51.17
3D点云目标检测——KITTI数据集读取与处理
最新发布
知来者逆的博客
03-14 2618
KITTI数据集是由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创建的一个大规模自动驾驶场景下的计算机视觉算法评测数据集。KITTI数据集采集自德国卡尔斯鲁厄市，涵盖了市区、郊区、高速公路等多种交通场景。数据采集时间为 2011 年 09 月 26 日、28 日、29 日、30 日及 10 月 03 日的白天。KITTI数据采集平台如下图所示：IMU/GPS总结来说，KITTI数据集由 4 个相机、1 个激光雷达、1 个IMU/GPS惯导系统共同组成。
Python 实现二叉树前序，中序，后序，零基础也能看得懂
m0_67621628的博客
03-17 1024
self.element = element self.l_child = l_child self.r_child = r_child class Tree(object): “”“树类”"" def init(self): self.root = Node() self.queue = [] def add_node(self, element): “”“为树添加节点”"" node = Node(element) 如果树是空的，则对根节点赋值 if self.root.element == -1: s
KITTI数据集介绍
09-21
该资源对自动驾驶行业的KITTI数据集进行详细介绍，对其中的灰度相机、彩色相机、imu数据指标进行介绍，辅助研究者进行分析研究。
MMDetection3d对KITT数据集的训练与评估介绍
Clichong
10-16 8384
KITTI数据集中easy、moderate、hard根据标注框是否被遮挡、遮挡程度和框的高度进行定义的简单：最小边界框高度：40像素，最大遮挡级别：完全可见，最大截断：15%中等：最小边界框高度：25像素，最大遮挡水平：部分遮挡，最大截断：30%困难：最小边界框高度：25像素，最大遮挡级别：难以看到，最大截断：50%1. MMDet3d官方文档#1853. KITTI数据集3d目标检测的评价的含义4. 机器学习算法评估指标——3D目标检测5. 点云感知算法面试知识点（一）
（二）一文带你了解KITTI数据集
m0_46556474的博客
06-15 3万+
KITTI数据集是目前国际上最为常用的自动驾驶场景下的计算机视觉算法评测数据集之一，本文将带你详细了解KITTI数据集。
KITTI数据集评估方法小结
weixin_43543177的博客
02-21 6048
kitti数据集评估方法小结
【HelloKitty团队项目】Beta阶段项目展示
HelloKittyTeam的博客
06-10 995
【HelloWord】Beta阶段项目展示
kitti-eval:KITTI的评估代码
05-17
任务 鸟瞰（2017）
【HelloKitty团队项目】Alpha阶段项目展示
HelloKittyTeam的博客
05-04 1296
【HelloWord】Alpha阶段项目展示
【动态规划】Kitty猫基因突变
wu_yihao的专栏
10-14 1404
题四 Kitty猫基因突变 源程序：kitty.exe 可执行程序：kitty.exe 输入文件：kitty.in 输出文件：kitty.out   某大学生选修了生物基因工程学。教授提出了ABC编码方案是不断地按照            A               若S串全是0 T（S）=    B               若S串全是1            CT(S1
群组分析及顾客分类
m0_66235114的博客
03-16 455
群组分析顾客留存，得出2010年第四季度来的顾客留存率表现良好，值得借鉴其经验。KMeans聚类讨论顾客分类问题，单从轮廓系数来看，分5类的效果好于分3类，但从分类的层级来看，分3类可以很好地把各个维度的数据分开探索性数据分析时也发现很多有趣的结论，在拥有庞大英国客户群的企业，它的交易金额第一名却来自荷兰还有很多值得探索的数据，比如各季度的销售金额，最畅销的商品，退货率最高的商品等等。
多目标追踪-2019综述《Deep Learning in Video Multi-Object Tracking: A Survey》
qq_41614538的博客
12-02 6658
Deep Learning in Video Multi-Object Tracking: A Survey 近期开始研究多目标追踪，因此先找了一篇比较新的2019年综述性论文入门。 本论文将MOT通用算法归纳为4个步骤，并分别介绍了Deep Learning在各步骤中的应用，给出了典型论文以供读者进一步阅读学习。 文章目录1 Introduction2 MOT: algorithms, me...
立体匹配（视差估计）评价指标（MiddleBurry、KITTI 2012、KITTI 2015、Scene Flow、ETH3D)
薛定谔的猫头咕咕咕
04-29 1万+
MiddleBurry 数据集： 评估区域： dics(Depth Discontinuity Region)：视差不连续区域 all(All Region)：全部区域 non-occ（Non-Occlusion Region）：非遮挡区域 评估指标： bad δD\delta_{D}δD​：1N∑(x,y)∈N{∣dest(x,y)−dgt(x,y)∣>δD}\frac{1}{N} \sum_{(x, y)\in N}\{|d_{est}(x, y)-d_{gt}(x, y)|>\del
KITTI数据集3d目标检测的评价的含义
qq_39025922的博客
04-14 1万+
kitti数据集评价的含义kitti数据集的相关介绍kitti数据集3d目标检测的评价参考文献 kitti数据集的相关介绍 论文: are we ready for autonomous driving the kitti vision benchmark suite kitti数据集下载及解析，参考博客: KITTI数据集下载及解析 和 KITTI数据集下载（百度云） （这两个博客真的良心，感谢作者！！！） kitti数据集3d目标检测的评价 kitti数据集可以针对很多下游任务。本文只针对3d目标检
粉色Kitty表情鼠标指针精选下载
在本例中，“压缩包子文件的文件名称列表”中的“kitty 指针”暗示了指针文件是压缩过的，可能包含了多个尺寸和颜色（粉色）的Kitty图案，以适应不同的使用环境和个性化需求。 ### 知识点四：图形设计与鼠标准备 要...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值