I 按行业场景
自动驾驶数据标注:多传感器、长尾场景与一致性
自动驾驶的标注需求有两个特点:一是多传感器必须对齐,二是长尾场景决定模型上限。
前者是工程问题,后者是数据策略问题,两者都不能靠加人解决。多传感器对齐的难点在时间同步与坐标系转换。摄像头和激光雷达的采集频率不同,同一时刻的图像帧与点云帧常常差几十毫秒,高速场景下这个偏差足以让 3D 框投到图像上时偏出目标。规范里必须明确以哪一路为基准、如何标注时间偏移。长尾场景则要靠挖掘而不是靠等。我们会按目标密度、遮挡比例、光照条件、运动模糊等维度对未标注数据做聚类,把稀有组合单独抽出来优先标注——这些样本数量少,但对模型的价值远高于常规路段。本页收录相关的判断方法与验收口径。
IN THIS TOPIC
自动驾驶 · 1 篇
按相关度排序:标题与标签命中的排在前面,同分按发布时间倒序。
SAME AXIS
按行业场景
同一分类下的其他主题,判断依据可以互相参照。
NEXT STEP
你的项目和上面哪一类最接近?
把样本量、类别体系和验收口径发过来,我们先判断可行性,再谈报价。