自動駕駛核心競爭力

應(yīng)用案例

交通對象的檢測和定位

在道路影像中使用2D框、折線或多邊形標(biāo)注與自動駕駛相關(guān)的對象，例如不同車型的車輛、交通指示牌、車道線、行人等；類型列表（Class List）可自行定義或參照公開數(shù)據(jù)集（Cityspaces Dataset ）

交通影像全景語義分割

依據(jù)客戶對于交通圖像相關(guān)對象的類型列表（Class List），以及所需RGB顏色對照表（Colour Map）對圖中每個類型的對象進(jìn)行像素染色。

語義分割是目前圖像標(biāo)注領(lǐng)域最精準(zhǔn)的標(biāo)注類型，標(biāo)注員需要對圖像中的所有區(qū)域進(jìn)行標(biāo)注。通常來說一張大小和復(fù)雜度適中的圖片需要45分鐘至1小時才能完成。雖說標(biāo)注時間長，但與其他標(biāo)注類型相比，模型通常僅需少量的語義分割圖片訓(xùn)練便可達(dá)到精準(zhǔn)的識別。語義分割在近些年已經(jīng)變得越來越普遍，主要有兩個原因： 首先是因為繪制精細(xì)，對于許多計算機視覺模型來說，當(dāng)然越精細(xì)訓(xùn)練效果越好，其次，如果您沒有大量的原始數(shù)據(jù)，語義分割能使您最有效的利用有限的數(shù)據(jù)源。

交通燈標(biāo)注

定位圖中的交通信號燈并對其指示信息進(jìn)行標(biāo)注，例如顏色、方向、種類等

關(guān)鍵點標(biāo)注

關(guān)鍵點標(biāo)注

關(guān)鍵點標(biāo)注正如其字面含義，標(biāo)注員需要在規(guī)定的位置標(biāo)注關(guān)鍵點，這類標(biāo)注通常用于統(tǒng)計模型以及姿勢或面部識別模型。統(tǒng)計模型借助關(guān)鍵點標(biāo)注表示特定場景內(nèi)目標(biāo)物體的密度，例如商場人流統(tǒng)計模型。除此之外，姿勢和面部識別模型借助關(guān)鍵點標(biāo)注理解各個點在運動中的移動軌跡，從而實現(xiàn)更復(fù)雜的判斷。

多邊形標(biāo)注

與矩形框標(biāo)注不同，多邊形標(biāo)注較為精確，避免了大量白色空間和額外噪音導(dǎo)致的視覺模型偏差。當(dāng)然，多邊形繪制需要更多的工作量，所以其價格也會有所不同。常見的多邊形標(biāo)注應(yīng)用包括機器人抓取、醫(yī)學(xué)影像識別、衛(wèi)星圖片識別等。

圖像分類

對于所有基于圖片識別的應(yīng)用開發(fā)，圖像分類是十分關(guān)鍵的第一步數(shù)據(jù)清洗工作。分類可以幫助您了解原始數(shù)據(jù)中的實際內(nèi)容，從而為后期更加復(fù)雜的標(biāo)注工作奠定基礎(chǔ)。

矩形框標(biāo)注

矩形框標(biāo)注是最簡單的圖像標(biāo)注類型，價格也相較其他類型較低（價格會隨標(biāo)簽數(shù)量的增加而提高）。實踐證明大量的矩形框標(biāo)注數(shù)據(jù)可以訓(xùn)練出模型來識別您需要的對象。如果您能夠獲取大量的原始數(shù)據(jù)集，我們建議在產(chǎn)品迭代的初期試驗使用矩形框進(jìn)行標(biāo)注。

折線標(biāo)注

折線標(biāo)注通常用于自動駕駛應(yīng)用當(dāng)中的車道線標(biāo)注，與矩形框標(biāo)注不同，折線標(biāo)注能夠更精確的表示線性對象的位置，不會包含過多的噪音和空白，是介于多邊形與關(guān)鍵點標(biāo)注之間的一種標(biāo)注形式。

總結(jié)

以上是生活随笔為你收集整理的自动驾驶核心竞争力的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。