自动驾驶2D图像目标检测标注案例

ByteBridge数据采集及标注平台

已于 2022-11-11 14:31:06 修改

阅读量1.4k

点赞数

分类专栏：数据标注平台数据标注自动驾驶文章标签：目标检测自动驾驶计算机视觉

于 2022-11-02 14:14:38 首次发布

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/weixin_52509513/article/details/127650466

版权

数据标注同时被 3 个专栏收录

38 篇文章 0 订阅

订阅专栏

20 篇文章 0 订阅

订阅专栏

数据标注平台

19 篇文章 0 订阅

订阅专栏

目标检测是一种计算机视觉技术，用于识别和定位图像或视频中的目标。具体而言，目标检测就是对目标进行2D框选，从而在给定场景中标记目标所在的位置（即移动轨迹)。
自动驾驶2D图像目标检测规则确认点

一、常见的交通参与者有3类：

行人标签
两轮/三轮车标签：人骑车、常规自行车、摩托车、普通小三轮车等
车标签：轿车、SUV、公交车、卡车等

二、标注分类属性包括几个维度：

遮挡标签：严重遮挡、中度遮挡、部分遮挡、无遮挡；
截断标签：严重截断、中度截断、部分截断、无截断
置信度标签：高、中、低等
遮挡或截断超过n%的物体不标注(一般是80%)
目标被遮挡是否需要脑补

项目信息

工程量：100万个2D框
4类障碍物：红绿灯、自行车、行人、汽车

与客户沟通的问题

对于遮挡部分，是否应该脑补？
关于自行车，以下类别是否统一标注为自行车

停放的自行车
使用中的自行车（只标注自行车吗？还是自行车和人一起标注？）

关于汽车，包含哪些类型？对于三轮车、两轮婴儿车、婴儿车、购物车等，我们应该标注为未知吗？
是否需要对整幅图像中的自行车、行人和汽车进行标注，还是只标注道路上的障碍物？
标注精度及最小标注物体大小
关于遮挡部分，遮挡百分比超过多少时，无需标注？
关于截断部分，截断百分比超过多少时，无需标注？
顶灯(出租车）、后视镜、行李架、人手中的物品、手提袋或后背袋等配饰，是否需要标注？
自行车/摩托车成排情况：我们应该一个一个地标注，还是按照排标注？
图像边缘的物体是否需要标注在图像外？

标注结果样例
ByteBridge自动驾驶2D图像目标检测标注案例
输出结果
ByteBridge 2D 标注JSON输出
ByteBridge是⼀个数据标注和采集平台，为⼈⼯智能企业提供数据处理服务
您专注于产品，我们专注于您的数据
我们提供试标试采服务，欢迎联系我们
邮箱：support@bytebridge.io
官网链接

ByteBridge数据采集及标注平台

关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
2
评论
自动驾驶2D图像目标检测标注案例

导语：目标检测技术如何应用于自动驾驶领域？自动驾驶2D图像标注分类属性有哪些？遇到截断和遮挡情况时如何进行标注？
复制链接

扫一扫

专栏目录

ByteBridge数据采集及标注平台 CSDN认证博客专家 CSDN认证企业博客

码龄4年

42: 原创

10万+: 周排名

217万+: 总排名

3万+: 访问

: 等级

543: 积分

21: 粉丝

0: 获赞

19: 评论

27: 收藏

私信

关注

热门文章

分类专栏

最新评论

自动驾驶2D图像目标检测标注案例
ByteBridge数据采集及标注平台: 需要的哈
自动驾驶2D图像目标检测标注案例
2201_75523058: 2D目标判断需要标注依据吗
ByteBridge数据标注平台：自动驾驶相关数据标注
ByteBridge数据采集及标注平台: For instance, I can add a third choice here and change the options to no occlusion which means is fully visible, less than fifty percent occluded, and more than 50 occluded but for now let's go back to the original setting. 例如，我可以在这里添加第三个选项，并将选项更改为“无遮挡”（no occlusion）。这样我们有完全可见，遮挡小于50%，遮挡大于50% 三个选项。好的，现在让我们回到原始设置。 So this is the autopilot annotation template and the output you get will be the coordinates of the bounding box for different objects along with the label and the occlusion status. 这就是自动驾驶数据标注模板，您将得到不同对象的边界框数据标注以及他们的遮挡状态。
ByteBridge数据标注平台：自动驾驶相关数据标注
ByteBridge数据采集及标注平台: I can do so by clicking the title box ‘autopilot annotation’, then click the bounding box option on the left, 我可以通过单击任务框“autopilot annotation”，然后单击左侧的2D框选项, Now the new task shows up and I can again click and edit. 现在新任务出现了，我可以再次单击并编辑。 And if I don't want this anymore, I can click delete. 如果我不再需要这个任务，我可以点击删除。 For the second layer is doing a classification to mark if the object is included or not , there are only two choices here yes and no, if you want to be more specific, you can click on the classification and added the choices here. 第二个分支进行的是对象是否包含的图像分类标注，这里只有两个选项，是和否，如果您想增加更加具体的需求，可以单击分类并在此处添加选项。
ByteBridge数据标注平台：自动驾驶相关数据标注
ByteBridge数据采集及标注平台: If the images are correctly labeled, for example if you can consistently recognize a speed sign and label it you can feed a bunch of different images of different speed signs to a computer vision neural net so it can learn to recognize the surroundings so this layer is detecting pedestrians, construction vehicles, road indicators, moving and static objects. 如果图像标注正确，例如，连续识别一个速度标志并对其进行标注，并将一系列标注好图像输入计算机视觉神经网络系统，AI算法就可以学会识别周围环境。这一分支用于检测行人、施工车辆、道路指示牌，移动和静态对象。 And depending on your choice, you can delete, add or modify the objects just by clicking on each task. 根据您的项目要求，您可以通过单击每个任务来删除、添加或修改对象。 For example, let's say I want to detect bikes instead of construction vehicles, I can just click on this bounding box task and you can see the editing section showing up on the right column, I can then change the object to bikes if I want to add other objects. 例如，假设我想检测自行车而不是建筑车辆，只需单击这个边界框任务，您可以看到右侧列表显示的编辑部分，可以添加其他对象，比如自行车。

最新文章

目录

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。