Select Language

Open Dataset

オブジェクト追跡評価(2Dバウンディングボックス)、21個のトレーニングシーケンスと29個のテストシーケンスから構成されています

オブジェクト追跡評価(2Dバウンディングボックス)、21個のトレーニングシーケンスと29個のテストシーケンスから構成されています

63.2G
588 hits
1 likes
0 downloads
0 discuss
Autonomous Driving 2D Box

目標追跡ベンチマークは21個のトレーニングシーケンスと29個のテストシーケンスで構成されています。私たちは8つの異なるクラスをラベル付けしましたが、私たちのベンチマークテストでは「自動車」と「歩行者」のみを評価します......

Data Structure ? 63.2G

    README.md

    目標追跡ベンチマークは21個のトレーニングシーケンスと29個のテストシーケンスで構成されています。私たちは8つの異なるクラスをラベル付けしましたが、ベンチマークテストでは「自動車」と「歩行者」のクラスのみを評価しました。なぜなら、それらのクラスにのみ全面的な評価に十分なインスタンスがあったからです。ラベル付けプロセスは2つのステップに分かれています。まず、一組のアノテーターを雇い、3Dバウンディングボックスを点群中の軌跡としてラベル付けしました。歩行者の軌跡については、単一の3Dバウンディングボックス軌跡(サイズは固定されている)が通常適さないため、各オブジェクトの左右の境界もMechanical Turkを使用してラベル付けしました。また、オブジェクトの遮蔽状態のラベルを収集し、自動車/歩行者モデルを画像平面に逆投影することでオブジェクトの切り捨てを計算しました。提出された結果の評価にはHOTA、CLEAR MOT、MT/PT/ML指標を使用します。方法のランキングにはHOTAを使用します。開発ツールキットとGitHubの評価コードには、データ形式の詳細と、ラベルファイルの読み書きに使用するユーティリティ関数が記載されています。

    No content available at the moment
    No content available at the moment
    • Share your thoughts
    Go share your ideas~~

    ALL

      Welcome to exchange and share
      Your sharing can help others better utilize data.
    Points:65 Go earn points?
    • 588
    • 0
    • 1
    • collect
    • Share