个人 申请域名做网站,个人博客网页制作成品图片,网站建设包括的内容有什么,html常用标签赛题官网
datawhale 赛题介绍 跑通demo paddle 跑通demo torch
提交的障碍物取最主要的那个#xff1f;不考虑多物体提交。障碍物#xff0c;尽可能选择状态发生变化的物体。如果没有明显变化的#xff0c;则考虑周边的物体。车的状态最后趋于减速、停止#xff0c;时序…赛题官网
datawhale 赛题介绍 跑通demo paddle 跑通demo torch
提交的障碍物取最主要的那个不考虑多物体提交。障碍物尽可能选择状态发生变化的物体。如果没有明显变化的则考虑周边的物体。车的状态最后趋于减速、停止时序模型可能会影响结果。样本处理时有对运动做加速但是视频剪辑没有剪得特别好考虑中间主要的运动场景。注释文本中英文。没有公开训练数据集只有测试数据集。
五个样例甚至30个测试样本也可以用来自己标注。 滴滴
标签信息 “scerario” : [“suburbs”,“city street”,“expressway”,“tunnel”,“parking-lot”,“gas or charging stations”,“unknown”] “weather” : [“clear”,“cloudy”,“raining”,“foggy”,“snowy”,“unknown”] “period” : [“daytime”,“dawn or dusk”,“night”,“unknown”] “road_structure” : [“normal”,“crossroads”,“T-junction”,“ramp”,“lane merging”,“parking lot entrance”,“round about”,“unknown”] “general_obstacle” : [“nothing”,“speed bumper”,“traffic cone”,“water horse”,“stone”,“manhole cover”,“nothing”,“unknown”] “abnormal_condition” : [“uneven”,“oil or water stain”,“standing water”,“cracked”,“nothing”,“unknown”] “ego_car_behavior” : [“slow down”,“go straight”,“turn right”,“turn left”,“stop”,“U-turn”,“speed up”,“lane change”,“others”] “closest_participants_type” : [“passenger car”,“bus”,“truck”,“pedestrain”,“policeman”,“nothing”,“others”,“unknown”] “closest_participants_behavior” : [“slow down”,“go straight”,“turn right”,“turn left”,“stop”,“U-turn”,“speed up”,“lane change”,“others”] 上传json格式示例
{
author : abc ,
time : YYMMDD,
model : model_name,
test_results :[
{
clip_id : xxxx_1,
scerario : cityroad,
weather:unknown,
period:night,
road_structure:ramp,
general_obstacle:nothing,
abnormal_condition:nothing,
ego_car_behavior:turning right,
closest_participants_type:passenger car,
closest_participants_behavior:braking
},
{
clip_id : xxxx_2
... ...
},
... ...
}数据集
行人检测数据集(极市平台的补充版) 无人驾驶数据集使用指南2019
bdd100k
技术栈参考
官方技术栈参考
下一步规划
clip 夏令营往期优秀笔记
解题思路
YOLO 目标检测
关键点 提取到关键点之后做关键点匹配。 匹配有一个距离的计算做暴力计算。
通过视频做关键点匹配判断左图到右图是否有旋转的变化判断关键点的运动。
运动间隔
两帧的结果查看变化
车道线检测 识别道路路线得到分割的结果判断是不是直行拐弯。
CLIP
OPENAI 开源的一个多模态模型. 自监督的方式训练文本对的对应关系。
可以做 zero-shot 的预测。
