faster rcnn實戰 --- ADAS 先進駕駛輔助系統

一、ADAS業務場景綜述

• ADAS — advanced driver assistance system

1、adas簡介

2、應用場景

3、需解決的問題

4、標註方法

5、判斷算法性能好壞的標準

6、數據集資源

• KITTI:針對於無人駕駛鄰域，計算機視覺處理任務，提供的一個龐大的數據集，數據集數據量龐大。涵蓋了目標檢測，目標分割等等一些任務。
• MOT是同樣也是多目標跟蹤領域的一個重要的數據集，它一方面能夠用於多目標跟蹤這樣的場景，同時也能夠用於多目標檢查的模型的訓練和評測。
• BDDV數據集，數據量在1.8T左右
  

7、KITTI數據集

• 本文下載紅框中的數據集
  
• 左方爲標註信息的描述文件
• 右方信息含義依次爲：
  • type: 類別，don‘t care:目標太小，或者遮擋太嚴重，無法用於模型訓練
  • truncated：是否截斷，此處爲0-1之間的值，0代表沒有發生截斷，1代表發生了截斷
  • occluded：0，1，2，3分別代表了目標被遮擋的程度，0表示爲全部遮擋，1爲部分遮擋，2爲大面積遮擋，3爲無法判別，一般是遮擋較小的情形
  • alpha：攝像機的偏轉角度
  • bbox：當前目標在圖像中的位置信息，左上和右下兩個像素點所對應的像素信息
  • location，dimensions，roration_y：當前的目標在相機中的座標，以及當前的維度，一共六個信息沒有被用到
  • score: 表明了當前目標的置信度，如果置信度越高，這檢測出的可靠性越高
    
    

現在在學pytorch，一星期之後把這個做完