多标签图像识别-腾讯云开发者社区

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

多标签图像识别

专栏成员

4

文章

4124

阅读量

4

订阅数

OpenLane-V1: 大规模真实世界3D车道数据集

自动驾驶工作开发论文数据

OpenLane是ECCV2022 Persformer论文中发布的业内第一个大规模真实世界3D车道数据集，构建于自动驾驶领域内主流的公开数据集Waymo Open Dataset，具有高质量的注释和丰富的场景。OpenLane包含20万帧、超过88万条实例级车道、14个车道类别（单白色虚线、双黄色实体、左/右路边等），以及场景标签和路线邻近目标（CIPO）注释，以鼓励开发车道检测和更多与工业相关的自动驾驶方法。

2023-03-27

8850

OpenLane-Huawei: 全球首个自动驾驶道路结构感知和推理基准。

自动驾驶基础模型数据性能

数据集一致，提供三维空间中的车道真值。与之有区别的是，OpenLane-Huawei 提供的是车道中心线的3D标注，而OpenLane提供的是车道分割线3D标注。此外，还提供了交通标志(交通灯和路标)及其属性的2D框标注，和车道中心线之间以及车道中心线与交通要素之间的拓扑关系标注。

2023-03-24

8290

多标签图像识别前沿跟踪2021（上）

css 图像识别腾讯云开发者社区

本文主要介绍一些2021年新发表的多标签图像识别工作，多标签图像识别早些时候的研究工作可以看另一篇文章

2021-08-19

1.3K0

多标签图像识别发展历程（2015~2020）

机器学习神经网络深度学习人工智能

自从深度学习兴起之后，以ImageNet数据集为代表的通用识别在精度上实现了跳跃式的显著提升，在通用识别性能逐渐“饱和”之后，研究者们将目光投向了难度更高的细粒度图像识别与多标签图像识别。其中细粒度识别主要针对类间相似度高、粒度细的问题，而多标签识别主要针对图像内多个共存标签有依赖性、输出标签范围广的问题，简单来说就是，细粒度识别是更精细的通用识别，而多标签识别是更广泛的通用识别。从输出标签的数量来看，通用识别和细粒度识别都是单标签识别，然而在大多数场景下，图像中都不会只有一个孤零零的类别，只是我们在标注数据集时会故意忽略非图像主体的其他类别从而作为单标签识别问题来建模，但是随着对内容理解要求的不断提高，我们越来越需要尽可能精确的识别出图像视频中的所有类别，这时就需要用多标签识别出场了。与通用识别和细粒度识别相比，多标签识别任务本身更关注当图像中存在多个物体、多个类别标签时，如何建模不同物体、不同标签的相关性与依赖关系，这个问题在论文中也经常被称为共现依赖（label co-occurrences），当然也有一些方法关注多标签识别任务的其他性质。

2021-08-19

1.1K0

没有更多了

社区活动

【纪录片】中国数据库前世今生

穿越半个世纪，探寻中国数据库50年的发展历程

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态