admin管理员组文章数量:1529464
Tianchi competition update in (2020-07-19)
高德阿里的基于车载视频图像的动态路况分析
1.Get the method of Jason file :
the datalabel is shown in the below:
首先赛事组提供数据为jason样式，从赛题看traindata数据集来说，主要value值是key_frame，gps_time，previous_frame，and etc.
baseline：
1.读取jason文件：
使用python，读取jason文件，由于文件处于30000+line数据，所以对于dict表来说会操作较为麻烦且需进行特定归类。
2.由于特征提取这个问题可以涉及到大量的网络层级结构Con3d非Conv2d 需要用到前后frame的关联。
3.对于json文件中的类别，需要对文件进行整合归类问题，训练样本非统一格式，需求不一。
"annotations": [
{
"id": "000001",
"key_frame": "3.jpg",
"status": 0,
"frames": [
{
"frame_name": "1.jpg",
"gps_time": 1552212488
},
{
"frame_name": "2.jpg",
"gps_time": 1552212493
},
{
"frame_name": "3.jpg",
"gps_time": 1552212498
},
{
"frame_name": "4.jpg",
"gps_time": 1552212503
}
]
查询资料：
- 对于视频序列检测这个问题，由于网络上存在VOS（Video object segments）网络框架， 存在的目前有I3D，Slowfast,当然也有一些靠简单Conv3d搭建的训练框架可使用。
- 对于比赛样本的搭建，对于Json中样本的Mark与Img文件中Frame样本，这些都是值得查看的，在查看样本与Json文件中，对于帧的要求权重分步是不一样的，KeyFrame的分布是不等的，gps-time的时间也是非等长的，所以有可能对于该最后判别的权重分比需要在网络中进行体现？这是一个过程。
- 对于图片场景复杂程度过大，所以估计指望单一车辆数量，有可能存在有对向车辆行驶，很有可能进行一个误判，或者特征提取特征物件来判定所占像素点多少以此作为速度依据来看，较为难定结论。
- 目前在VOS领域CVPR获得较好位置的有，STM（space time memory network）但目前此网络由阿里达摩院提出，暂时对于训练code并没有给出，第三方提供的train code 对于效果并未考究，目前还有待验证。
目前考虑方案：
方案来看的话还是以Conv3d搭建的网络来看，目前正在归类文档train data 进行归类。
版权声明：本文标题：Tianchi big data competition天池大数据挑战（CV场） 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/dongtai/1726694234a1081021.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论