Select Language

Open Dataset

3D物体検出評価 は7481枚の訓練画像と7518枚のテスト画像、および対応する点群を含みます。

3D物体検出評価 は7481枚の訓練画像と7518枚のテスト画像、および対応する点群を含みます。

118G
709 hits
4 likes
1 downloads
0 discuss
Vehicle,Autonomous Driving 3D Box

3Dオブジェクト検出ベンチマークは7481枚の訓練画像と7518枚のテスト画像、および対応する点群で構成され、合計80,256個のラベル付きオブジェクトが含まれています。評価のために、我々は精度再現率曲線を計算します......

Data Structure ? 118G

    README.md

    3D物体検出ベンチマークは、7481枚の訓練画像と7518枚のテスト画像、および対応する点群から構成され、合計80,256個のラベル付き物体が含まれています。評価のために、精度-再現率曲線を計算します。これらの方法をランク付けするために、平均精度を計算します。すべての方法に対して、すべてのテストペアに同じパラメータセットを使用するよう要求します。

    3D物体検出性能の評価には、2D物体検出にも使用されるPASCAL基準を使用します。したがって、画像平面内のバウンディングボックスの高さに基づいて遠方の物体がフィルタリングされます。画像平面上にも現れる物体のみがラベル付けされるため、自動車以外の領域内の物体は誤検出とはみなされません。評価では、画像平面上で見えない検出結果は無視されることに留意してください - これらの検出結果は誤検出につながる可能性があります。自動車については、3Dバウンディングボックスの重なり率が70%必要であり、歩行者や自転車乗りについては、3Dバウンディングボックスの重なり率が50%必要です。難易度は以下のように定義されます:
    簡単:最小バウンディングボックスの高さ:40 Px、最大遮蔽レベル:完全に可視、最大切り捨て率:15%
    中程度:最小バウンディングボックスの高さ:25 Px、最大遮蔽レベル:部分的に遮蔽、最大切り捨て率:30%
    難しい:最小バウンディングボックスの高さ:25 Px、最大遮蔽レベル:見えにくい、最大切り捨て率:50%
    すべての方法は、中程度の難易度の結果に基づいてランク付けされます。

    引用

    あなたの研究でこのデータセットを使用する際に、引用していただけると幸いです:
    @INPROCEEDINGS{Geiger2012CVPR,
      著者 = {Andreas GeigerPhilip LenzRaquel Urtasun},
      タイトル = {Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite},
      書籍名 = {Conference on Computer Vision and Pattern Recognition (CVPR)},
      年 = {2012}
    }


    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:105 Go earn points?
    • 709
    • 1
    • 4
    • collect
    • Share