文章目录
一、ADAS业务场景综述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7、KITTI数据集
现在在学pytorch，一星期之后把这个做完
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
