一、ADAS业务场景综述
- ADAS — advanced driver assistance system
1、adas简介
2、应用场景
3、需解决的问题
4、标注方法
5、判断算法性能好坏的标准
6、数据集资源
- KITTI:针对于无人驾驶邻域,计算机视觉处理任务,提供的一个庞大的数据集,数据集数据量庞大。涵盖了目标检测,目标分割等等一些任务。
- MOT是同样也是多目标跟踪领域的一个重要的数据集,它一方面能够用于多目标跟踪这样的场景,同时也能够用于多目标检查的模型的训练和评测。
- BDDV数据集,数据量在1.8T左右
7、KITTI数据集
- 本文下载红框中的数据集
- 左方为标注信息的描述文件
- 右方信息含义依次为:
- type: 类别,don‘t care:目标太小,或者遮挡太严重,无法用于模型训练
- truncated:是否截断,此处为0-1之间的值,0代表没有发生截断,1代表发生了截断
- occluded:0,1,2,3分别代表了目标被遮挡的程度,0表示为全部遮挡,1为部分遮挡,2为大面积遮挡,3为无法判别,一般是遮挡较小的情形
- alpha:摄像机的偏转角度
- bbox:当前目标在图像中的位置信息,左上和右下两个像素点所对应的像素信息
- location,dimensions,roration_y:当前的目标在相机中的坐标,以及当前的维度,一共六个信息没有被用到
- score: 表明了当前目标的置信度,如果置信度越高,这检测出的可靠性越高