faster rcnn实战 --- ADAS 先进驾驶辅助系统

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
    
    

现在在学pytorch，一星期之后把这个做完