Select Language

公开数据集

对象跟踪评估(2D边界框),由21个训练序列和29个测试序列组成

对象跟踪评估(2D边界框),由21个训练序列和29个测试序列组成

Scene:

Autonomous Driving

Data Type:

2D Box
所需积分:65 去赚积分?
  • 59浏览
  • 0下载
  • 0点赞
  • 收藏
  • 分享

贡献者查看主页

小小程序员

致力于人工智能业务的研究、数据集处理。

Data Preview ? 63.2G

    目标跟踪基准由21个训练序列和29个测试序列组成。尽管我们已经标记了8个不同的类,但在我们的基准测试中只评估了“汽车”和“行人”类,因为只有那些类有足够的实例进行了全面评估。标记过程分为两个步骤:首先,我们雇佣了一组注释器,将3D边界框标记为点云中的轨迹。由于对于行人轨迹,单个3D边界框轨迹(尺寸已固定)通常不适合,因此我们还使用Mechanical Turk标记了每个对象的左/右边界。我们还收集了对象遮挡状态的标签,并通过将汽车/行人模型反向投影到图像平面中来计算对象的截断。我们使用HOTA、CLEAR MOT和MT/PT/ML指标评估提交的结果。我们通过HOTA对方法进行排名。我们的开发工具包和github评估代码提供了有关数据格式的详细信息,以及用于读取和写入标签文件的实用函数。

    0相关评论