自动驾驶2D图像目标检测标注案例

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：

1. 行人标签

2. 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

3. 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：

1. 遮挡标签：严重遮挡、中度遮挡、部分遮挡、无遮挡；

2. 截断标签：严重截断、中度截断、部分截断、无截断

3. 置信度标签：高、中、低等

4. 遮挡或截断超过n%的物体不标注(一般是80%)

5. 目标被遮挡是否需要脑补

项目信息

1. 工程量：100万个2D框

2. 4类障碍物：红绿灯、自行车、行人、汽车

与客户沟通的问题

1. 对于遮挡部分，是否应该脑补？
2. 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？）

3. 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？

4. 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？

5. 标注精度及最小标注物体大小

6. 关于遮挡部分，遮挡百分比超过多少时，无需标注？

7. 关于截断部分，截断百分比超过多少时，无需标注？

8. 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？

9. 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？

10. 图像边缘的物体是否需要标注在图像外？

标注结果样例

输出结果

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：[email protected]
官网链接