chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

ROD自動駕駛數(shù)據(jù)集

Nullmax紐勱 ? 來源:紐勱科技 ? 作者:紐勱科技 ? 2022-07-08 16:53 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

自動駕駛領(lǐng)域,目標(biāo)檢測是一項(xiàng)富有挑戰(zhàn)性的工作,尤其是一些出現(xiàn)頻率較低的特殊目標(biāo),常因數(shù)據(jù)不足導(dǎo)致檢測效果一般。對此,Nullmax的感知團(tuán)隊(duì)提出了一項(xiàng)針對少見目標(biāo)檢測的數(shù)據(jù)增強(qiáng)方法,并將相應(yīng)數(shù)據(jù)集開源上線,為行業(yè)解決數(shù)據(jù)缺乏難題,應(yīng)對長尾挑戰(zhàn)提供研究參考。

對于自動駕駛車輛而言,準(zhǔn)確識別各類目標(biāo)和障礙物信息,可以有效保障行駛安全。因此感知系統(tǒng)既要檢測一些路上常見的目標(biāo),比如車輛、行人、交通標(biāo)識等,也要檢測了一些少見的目標(biāo),比如錐形筒、交通警示桶、三角警示牌,等等。

這些檢測少見目標(biāo)的神經(jīng)網(wǎng)絡(luò)模型,和其他常見目標(biāo)的檢測模型一樣,需要大量的標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練。但這類目標(biāo)出現(xiàn)概率很低,所以獲取訓(xùn)練數(shù)據(jù)需要耗費(fèi)大量的成本和時(shí)間。

因此,Nullmax的感知團(tuán)隊(duì)提出了一種基于交通場景信息的數(shù)據(jù)增強(qiáng)方法,通過Copy-Paste方式零成本生成高度逼真的訓(xùn)練樣本,解決少見目標(biāo)檢測的數(shù)據(jù)難題。實(shí)驗(yàn)結(jié)果顯示,Nullmax的新方法可以顯著提升少見目標(biāo)檢測的任務(wù)效果。

同時(shí),Nullmax建立了專用于自動駕駛少見目標(biāo)檢測的數(shù)據(jù)集Rare ObjectDataset(ROD),并在近期正式開源上線。ROD是該細(xì)分領(lǐng)域內(nèi)的首個(gè)公開數(shù)據(jù)集,可以為目標(biāo)檢測、數(shù)據(jù)增強(qiáng)等方面的研究者提供稀缺的數(shù)據(jù),研究特殊目標(biāo)檢測相關(guān)課題。

01

ROD自動駕駛數(shù)據(jù)集

Nullmax推出的ROD是一個(gè)多樣化的真實(shí)世界數(shù)據(jù)集,當(dāng)中包含大量訓(xùn)練圖像和驗(yàn)證圖像,并對小車、卡車、巴士、行人和自行車這5類常見目標(biāo)進(jìn)行了相應(yīng)標(biāo)注。

b8d27c9e-fc41-11ec-ba43-dac502259ad0.png

此外,ROD還提供了3類典型少見目標(biāo)的掩膜,可用于少見目標(biāo)檢測和數(shù)據(jù)增強(qiáng)方法的研究,當(dāng)中包括大約1000個(gè)錐形筒、100個(gè)交通警示桶和50個(gè)三角警示牌的掩膜數(shù)據(jù)。

ROD具有良好的數(shù)據(jù)多樣性,覆蓋了自動駕駛的不同場景。它包含了不同的道路級別,包括高速公路、快速路、城市街道以及鄉(xiāng)村道路;不同的天氣狀況,比如晴天、陰天和雨天;以及不同的時(shí)間段,包括白天、傍晚和夜間。

ROD數(shù)據(jù)集現(xiàn)已開放下載:

https://nullmax-vision.github.io/

02

基于交通場景信息的數(shù)據(jù)增強(qiáng)

為了解決少見目標(biāo)檢測的數(shù)據(jù)難題,Nullmax的感知團(tuán)隊(duì)提出了結(jié)合交通場景的數(shù)據(jù)增強(qiáng)方法,通過簡單有效的Copy-Paste增強(qiáng)方式生成逼真的訓(xùn)練數(shù)據(jù),獲得了出色的檢測效果。

b91a9dc6-fc41-11ec-ba43-dac502259ad0.png

論文地址:

https://arxiv.org/pdf/2205.00376.pdf

通常來說,訓(xùn)練樣本較少的目標(biāo)檢測任務(wù)可以看作是面向不平衡或長尾的數(shù)據(jù)集。有一些研究者,通過重采樣訓(xùn)練數(shù)據(jù)和調(diào)整損失函數(shù)權(quán)重來解決這個(gè)問題,但這類方法對于專家經(jīng)驗(yàn)較為依賴。

數(shù)據(jù)增強(qiáng)是解決數(shù)據(jù)稀缺問題的另一個(gè)研究方向,旨在通過最小代價(jià)生成大量帶標(biāo)注的訓(xùn)練樣本。數(shù)據(jù)增強(qiáng)大致可以分為圖像級增強(qiáng)和實(shí)例級增強(qiáng),當(dāng)包含特定目標(biāo)類別的圖像級訓(xùn)練數(shù)據(jù)達(dá)到一定數(shù)量時(shí),前者是一種有效的方法;反之,則是實(shí)例級數(shù)據(jù)增強(qiáng)更為適合。

Nullmax采用的Copy-Paste方式,就是一種常見的實(shí)例級數(shù)據(jù)增強(qiáng),它從源域復(fù)制特定目標(biāo)類別的實(shí)例掩膜粘貼到目標(biāo)域。通過系統(tǒng)性的研究,我們證明了在自動駕駛領(lǐng)域,通過結(jié)合交通場景信息的Copy-Paste數(shù)據(jù)增強(qiáng)方式,可以達(dá)到出色的少見目標(biāo)檢測性能。

具體來說,Nullmax利用源域的目標(biāo)掩膜進(jìn)行實(shí)例級變換,創(chuàng)建逼真的目標(biāo)實(shí)例。并將交通場景信息用作全局的幾何約束,將局部自適應(yīng)的實(shí)例掩膜粘貼到目標(biāo)圖像上,生成訓(xùn)練數(shù)據(jù)。最后,再通過局部和全局的一致性保證訓(xùn)練數(shù)據(jù)的質(zhì)量和真實(shí)度。

ba144efc-fc41-11ec-ba43-dac502259ad0.png

Nullmax提出的方法包括了3個(gè)主要環(huán)節(jié):

(1) 收集目標(biāo)實(shí)例掩膜和背景圖像。在Nullmax的研究中,所有的背景圖像來自于不同的真實(shí)交通場景。以錐形筒為例,它會涵蓋不同的類型、顏色和大小。

(2) 通過理解交通場景信息,計(jì)算實(shí)例掩膜的粘貼位置。在背景圖像上隨機(jī)粘貼目標(biāo),效率低下,而且目標(biāo)之間的關(guān)聯(lián)可能與真實(shí)交通場景不符。Nullmax的方法以交通環(huán)境信息為約束,考慮相機(jī)內(nèi)外參,進(jìn)行實(shí)例掩膜的疊加。

(3) 對實(shí)例掩膜進(jìn)行局部自適應(yīng)轉(zhuǎn)換。為了確保目標(biāo)掩膜無縫粘貼到背景圖像中,Nullmax使用了一系列局部自適應(yīng)的數(shù)據(jù)增強(qiáng)策略:基于感知的景深,縮放粘貼對象;應(yīng)用多種實(shí)例級混合策略,確保圖像接縫盡量平滑;以及局部自適應(yīng)的顏色變換(HSV)。

實(shí)驗(yàn)顯示,Nullmax提出的數(shù)據(jù)增強(qiáng)方法在錐形筒檢測中取得了出色效果,并且這一方法也能夠推廣至其他類型的少見物體檢測任務(wù)當(dāng)中。

此外,Nullmax也研究了各組件的效果,分析了方法中實(shí)例掩膜域、實(shí)例掩膜數(shù)量和強(qiáng)化訓(xùn)練圖像數(shù)量的敏感性,證明了這一方法可為少見物體檢測任務(wù)提供有效的訓(xùn)練圖像。

03

加入我們

在自動駕駛領(lǐng)域,除常規(guī)的目標(biāo)檢測之外,數(shù)據(jù)增強(qiáng)在少見目標(biāo)檢測方面的應(yīng)用鮮有人研究。我們提出的基于交通場景信息的Copy-Paste數(shù)據(jù)增強(qiáng)方法,可以簡單高效地解決自動駕駛領(lǐng)域中因數(shù)據(jù)稀缺所帶來的少見目標(biāo)檢測難題。

未來,我們希望通過增量訓(xùn)練對少見目標(biāo)檢測展開進(jìn)一步研究。

審核編輯 :李倩

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • 數(shù)據(jù)集
    +關(guān)注

    關(guān)注

    4

    文章

    1229

    瀏覽量

    25916
  • 自動駕駛
    +關(guān)注

    關(guān)注

    791

    文章

    14543

    瀏覽量

    173916

原文標(biāo)題:Nullmax開源ROD自動駕駛數(shù)據(jù)集,「復(fù)制粘貼」解決少見目標(biāo)檢測難題

文章出處:【微信號:Nullmax,微信公眾號:Nullmax紐勱】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點(diǎn)推薦

    什么是自動駕駛數(shù)據(jù)標(biāo)注?如何好做數(shù)據(jù)標(biāo)注?

    [首發(fā)于智駕最前沿微信公眾號]在自動駕駛系統(tǒng)的開發(fā)過程中,數(shù)據(jù)標(biāo)注是一項(xiàng)至關(guān)重要的工作。它不僅決定了模型訓(xùn)練的質(zhì)量,也直接影響了車輛感知、決策與控制的性能表現(xiàn)。隨著傳感器種類和數(shù)據(jù)量的劇增,有效
    的頭像 發(fā)表于 07-09 09:19 ?718次閱讀
    什么是<b class='flag-5'>自動駕駛</b><b class='flag-5'>數(shù)據(jù)</b>標(biāo)注?如何好做<b class='flag-5'>數(shù)據(jù)</b>標(biāo)注?

    卡車、礦車的自動駕駛和乘用車的自動駕駛在技術(shù)要求上有何不同?

    [首發(fā)于智駕最前沿微信公眾號]自動駕駛技術(shù)的發(fā)展,讓組合輔助駕駛得到大量應(yīng)用,但現(xiàn)在對于自動駕駛技術(shù)的宣傳,普遍是在乘用車領(lǐng)域,而對于卡車、礦車的自動駕駛發(fā)展,卻鮮有提及。其實(shí)在卡車、
    的頭像 發(fā)表于 06-28 11:38 ?531次閱讀
    卡車、礦車的<b class='flag-5'>自動駕駛</b>和乘用車的<b class='flag-5'>自動駕駛</b>在技術(shù)要求上有何不同?

    自動駕駛安全基石:ODD

    電子發(fā)燒友網(wǎng)綜合報(bào)道 自動駕駛ODD(Operational Design Domain)即設(shè)計(jì)運(yùn)行域,是指自動駕駛系統(tǒng)被設(shè)計(jì)為安全、有效運(yùn)行的具體條件范圍。它定義了自動駕駛汽車在哪些環(huán)境、場景
    的頭像 發(fā)表于 05-19 03:52 ?5565次閱讀

    新能源車軟件單元測試深度解析:自動駕駛系統(tǒng)視角

    。 ?自動駕駛軟件的特殊性? ? 感知層: ?激光雷達(dá)、攝像頭等傳感器數(shù)據(jù)處理算法的單元測試需覆蓋極端場景。例如,激光雷達(dá)點(diǎn)云濾波算法在雨雪天氣下的噪聲抑制能力需通過邊界測試驗(yàn)證。某廠商曾在測試中遺漏
    發(fā)表于 05-12 15:59

    東風(fēng)汽車推出端到端自動駕駛開源數(shù)據(jù)

    近日,智能網(wǎng)聯(lián)汽車智駕數(shù)據(jù)空間構(gòu)建研討會暨中汽協(xié)會智能網(wǎng)聯(lián)汽車分會、數(shù)據(jù)分會2024年度會議在上海舉辦。會上,東風(fēng)汽車發(fā)布行業(yè)規(guī)模最大、涵蓋125萬組高質(zhì)量數(shù)據(jù)的端到端自動駕駛開源
    的頭像 發(fā)表于 04-01 14:54 ?837次閱讀

    從《自動駕駛地圖數(shù)據(jù)規(guī)范》聊高精地圖在自動駕駛中的重要性

    自動駕駛地圖作為L3級及以上自動駕駛技術(shù)的核心基礎(chǔ)設(shè)施,其重要性隨著智能駕駛技術(shù)的發(fā)展愈發(fā)顯著?!?b class='flag-5'>自動駕駛地圖數(shù)據(jù)規(guī)范》(DB11/T 20
    的頭像 發(fā)表于 01-05 19:24 ?2641次閱讀
    從《<b class='flag-5'>自動駕駛</b>地圖<b class='flag-5'>數(shù)據(jù)</b>規(guī)范》聊高精地圖在<b class='flag-5'>自動駕駛</b>中的重要性

    一文聊聊自動駕駛測試技術(shù)的挑戰(zhàn)與創(chuàng)新

    ,包括場景生成的多樣性與準(zhǔn)確性、多傳感器數(shù)據(jù)融合的精度驗(yàn)證、高效的時(shí)間同步機(jī)制,以及仿真平臺與實(shí)際場景的匹配等問題。 自動駕駛測試的必要性與現(xiàn)狀 1.1 自動駕駛技術(shù)的復(fù)雜性推動測試變革 自動
    的頭像 發(fā)表于 12-03 15:56 ?1109次閱讀
    一文聊聊<b class='flag-5'>自動駕駛</b>測試技術(shù)的挑戰(zhàn)與創(chuàng)新

    標(biāo)貝科技:自動駕駛中的數(shù)據(jù)標(biāo)注類別分享

    自動駕駛訓(xùn)練模型的成熟和穩(wěn)定離不開感知技術(shù)的成熟和穩(wěn)定,訓(xùn)練自動駕駛感知模型需要使用大量準(zhǔn)確真實(shí)的數(shù)據(jù)。據(jù)英特爾計(jì)算,L3+級自動駕駛每輛汽車每天產(chǎn)生的
    的頭像 發(fā)表于 11-22 15:07 ?2427次閱讀
    標(biāo)貝科技:<b class='flag-5'>自動駕駛</b>中的<b class='flag-5'>數(shù)據(jù)</b>標(biāo)注類別分享

    標(biāo)貝科技:自動駕駛中的數(shù)據(jù)標(biāo)注類別分享

    自動駕駛訓(xùn)練模型的成熟和穩(wěn)定離不開感知技術(shù)的成熟和穩(wěn)定,訓(xùn)練自動駕駛感知模型需要使用大量準(zhǔn)確真實(shí)的數(shù)據(jù)。據(jù)英特爾計(jì)算,L3+級自動駕駛每輛汽車每天產(chǎn)生的
    的頭像 發(fā)表于 11-22 14:58 ?4826次閱讀
    標(biāo)貝科技:<b class='flag-5'>自動駕駛</b>中的<b class='flag-5'>數(shù)據(jù)</b>標(biāo)注類別分享

    自動駕駛算法數(shù)據(jù)鏈路是怎么樣的?#ADAS #智能駕駛

    自動駕駛
    北匯信息POLELINK
    發(fā)布于 :2024年11月20日 13:05:51

    自動駕駛汽車安全嗎?

    隨著未來汽車變得更加互聯(lián),汽車逐漸變得更加依賴技術(shù),并且逐漸變得更加自動化——最終實(shí)現(xiàn)自動駕駛,了解自動駕駛汽車的安全問題變得非常重要,這樣你才能回答“自動駕駛汽車安全嗎”和“
    的頭像 發(fā)表于 10-29 13:42 ?1382次閱讀
    <b class='flag-5'>自動駕駛</b>汽車安全嗎?

    自動駕駛HiL測試方案案例分析--ADS HiL測試系統(tǒng)#ADAS #自動駕駛 #VTHiL

    自動駕駛
    北匯信息POLELINK
    發(fā)布于 :2024年10月22日 15:20:19

    自動駕駛HiL測試方案——攝像頭仿真之視頻注入#ADAS #自動駕駛 #VTHiL

    自動駕駛
    北匯信息POLELINK
    發(fā)布于 :2024年10月17日 15:18:41