BDD100K-论文笔记-理解-BDD100K: A Diverse Driving Video Database eith Scalable Annotation Tooling

论文:BDD100K: A Diverse Driving Video Database eith Scalable Annotation Tooling

数据集下载地址:BDD100K数据集

翻译:

理解参考:

核心技术:
UC Berkeley 发布了迄今为止规模最大、最多样化的开放驾驶视频数据集——BDD100K。该数据集共包含 10 万个视频,BAIR 研究者在视频上采样关键帧,并为这些关键帧提供注释。此外,BAIR 还将在 CVPR 2018 自动驾驶 Workshop 上基于其数据举办三项挑战赛。

该数据集共包含 10 万个视频。每个视频大约 40 秒长、720 p、30 fps,还附有手机记录的 GPS/IMU 信息,以显示大概的驾驶轨迹。这些视频是从美国各地收集的,如上图所示。数据库涵盖了不同的天气条件,包括晴天、阴天和雨天,以及白天和晚上的不同时间。

BAIR 研究者在每个视频的第 10 秒采样关键帧,并为这些关键帧提供注释。它们被标记为几个级别:图像标记、道路对象边界框、可驾驶区域、车道标记线和全帧实例分割。这些注释有助于理解不同场景中数据和对象统计的多样性。

论文提出了一些新颖的标注方法以及标注工具用来更好的对数据集进行标注工作,使用多边形进行区域标注,或者代表曲线进行标注.

阅读这篇论文的主要目的是想要使用BDD100K数据集,而我们当时想要使用的数据集主要是车道线标注部分,所以我主要看了车道线标注部分.

标注文件使用.json的格式,使用python可以直接进行json文件的读写,json文件读入内存主要被转换为字典以及数组的格式.
这里我主要关注”category”为”lane/XXXX”的部分,这部分代表了车道线相关的标注结果.
通过对文章的阅读以及理解,车道线相关的标注主要分为以下几类:

"category": "background"    :0
            "lane/road curb"    :1
                "direction":"parallel",'style':'solid'  :11     道路边缘 ->1
                "direction":"parallel",'style':'dashed'  :12    道路边缘 ->1
                "direction":"vertical",'style':'solid'  :13
                "direction":"vertical",'style':'dashed'  :14
            "lane/crosswalk"    :2
                "direction":"parallel",'style':'solid'  :21
                "direction":"parallel",'style':'dashed'  :22
                "direction":"vertical",'style':'solid'  :23
                "direction":"vertical",'style':'dashed'  :24
            "lane/double white" :3
                "direction":"parallel",'style':'solid'  :31     白色实线 ->2
                "direction":"parallel",'style':'dashed'  :32    白色虚线 ->3
                "direction":"vertical",'style':'solid'  :33
                "direction":"vertical",'style':'dashed'  :34
            "lane/double yellow"    :4
                "direction":"parallel",'style':'solid'  :41     黄色实线 ->4
                "direction":"parallel",'style':'dashed'  :42    黄色虚线 ->5
                "direction":"vertical",'style':'solid'  :43
                "direction":"vertical",'style':'dashed'  :44
            "lane/double other color"   :5
                "direction":"parallel",'style':'solid'  :51
                "direction":"parallel",'style':'dashed'  :52
                "direction":"vertical",'style':'solid'  :53
                "direction":"vertical",'style':'dashed'  :54
            "lane/single white":    6
                "direction":"parallel",'style':'solid'  :61     白色实线
                "direction":"parallel",'style':'dashed'  :62    白色虚线
                "direction":"vertical",'style':'solid'  :63
                "direction":"vertical",'style':'dashed'  :64
            "lane/single yellow":   7
                "direction":"parallel",'style':'solid'  :71     黄色实线
                "direction":"parallel",'style':'dashed'  :72    黄色虚线
                "direction":"vertical",'style':'solid'  :73
                "direction":"vertical",'style':'dashed'  :74
            "lane/single other color":  8
                "direction":"parallel",'style':'solid'  :81
                "direction":"parallel",'style':'dashed'  :82
                "direction":"vertical",'style':'solid'  :83
                "direction":"vertical",'style':'dashed'  :84

类别后面的数字以及中文字样为我自行转换车道线时候使用的,与原文中的标注无关.

你可能感兴趣的:(机器学习,论文阅读,BDD100K,数据集,车道线标注)