检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
审核”,配置审核比例。 图1 审核比例 审核比例:从该标注任务所有样本中抽取一定样本作为审核样本。 配置成功后,单击标注任务名称,单击任意一张图片,进行审核。 审核图片标注符合规范,整张图片无错误,则该图片审核通过,勾选“审核通过”,并保存。 审核图片有超过一处标注不符合规范,则该图
拆分批次任务 当样本数量庞大时,平台可对批次任务做拆分处理,具体步骤如下: 在左侧菜单栏中单击“标注服务 > 项目管理”。 选择“标注项目”页签,单击项目名称,进入项目内任务列表。 选择“批次任务列表”页签,单击操作栏中的“拆分”。 输入子任务样本数量,子任务样本数量不可大于批次任务的样本总数。
训练算法创建后,“镜像”“样本类型”不再支持修改,请认真填写。 图2 选择镜像仓库和样本类型 镜像:请选择镜像和版本。 共享级别:可选择个人、团队。 个人:当前操作用户。 团队:当前工作空间下被授权的用户。 样本类型:当前支持图片、3D点云。 配置算法参数。 需要指定Boot文件启动路径,填写启动命令参数。
真值的成本。提供场景数据集生成能力,帮助自动驾驶模型训练快速扩充数据集,低成本获取难例数据集。提供多模态场景理解和检索能力,帮助客户在海量样本库快速、智能的分类和检索。 前提条件 开通相应服务并购买套餐包,操作请参考开通智驾模型微调服务、开通我的模型和购买套餐包。 在使用模型微调
采样方式有几种? 蒙特卡洛采样 蒙特卡洛采样是一种简单的随机抽样,根据概率分布进行采样,如对样本服从µ=0,δ=1的正态分布,通过通过蒙特卡洛采样进行采样,采样得到的点能满足正态分布要求,但如下图所示,采样得到的点会集中µ=0附近,要想采样得到更边界的点,需要进行大量采样。 图1
采样方式介绍 蒙特卡洛采样 蒙特卡洛采样是一种简单的随机抽样,根据概率分布进行采样,如对样本服从µ=0,δ=1的正态分布,通过蒙特卡洛采样进行采样,采样得到的点能满足正态分布要求,如下图所示,采样得到的点会集中µ=0附近,要想采样得到更边界的点,需要进行大量采样。 图1 蒙特卡洛采样
蛇行(Snake Driving)检测 自动驾驶车辆在行驶过程中,当车道的曲率发生较大变化时,可能会出现横向控制效果不佳导致的长时间车辆横向振荡。 蛇行检测的目的是判断车辆是否出现横向振荡,利用车辆的横向加速度的正负变化来判断蛇行是否发生。 正值大于和负值小于的比例都大于该时间段的10%时,则判断此时间段发生蛇行。
拆分批次任务 当样本数量庞大时,平台可对批次任务做拆分处理,具体步骤如下: 在左侧菜单栏中单击“标注服务 > 项目管理”。 选择“标注项目”页签,单击项目名称,进入项目内任务列表。 选择“批次任务列表”页签,单击操作栏中的“拆分”。 输入子任务样本数量,子任务样本数量不可大于批次任务的样本总数。
对数据进行场景标记,用以场景识别并进行模型训练。 难例 难例是模型训练过程中,出错率很高的一部分样本。是数据经过自动标注后,未标注成功或者标注错误的数据,需要通过人工筛选得到。可以通过维护难例集,将这部分样本集中维护,最终重新用于训练,持续提升算法和模型精度。
得超过64个字符。 描述:简要描述模型,不包含“@#$%^&*< > \”,不得超过256个字符。 选择样本类型和标注。 图2 选择样本类型和标注 用途:选择训练或标注。 样本类型:当前支持图片、3D点云。 标注:从下拉列表中选择标注。 选择镜像。 图3 模型仓库用途选择训练 图4
56个字符。 选择镜像仓库和样本类型。 训练算法创建后,“镜像”“样本类型”不再支持修改,请认真填写。 图2 选择镜像仓库和样本类型 镜像:请选择镜像和版本。 共享级别:可选择个人、团队。 个人:当前操作用户。 团队:当前工作空间下被授权的用户。 样本类型:当前支持图片、3D点云。
回放”按键跳转到数据包的对应时间点进行回放,长度在10秒到99秒之间的场景片段可以生成仿真场景。选中片段后的预览样本图根据挖掘片段所对应的传感器类型选择相应的传感器样本来进行展示。 父主题: 场景挖掘作业(数据标记)
任务。 数据类型:根据模板包含的样本类型选择图片、3D点云、音频或文本。 标注:从下拉框中选择符合用户业务所需的标注物。用户可自定义添加标注物以满足业务所需。 图3 预标注 标注类型:预标注,该标注模板用于预标注任务。 数据类型:根据模板包含的样本类型选择图片、3D点云、音频或文本。
用户的作业容器需要解析rosbag,并将转换结果输出到output目录,结果示例如下: 每个传感器提取的数据保存在单独的文件夹,其中camera和lidar传感器提取的样本文件必须以时间戳命名。任务结束标志文件,_SUCEESS或_FAILURE分别代表任务成功或失败。opendata_to_platform
模型评测 在机器学习中,通常需要使用一定的方法和标准,来评测一个模型的预测精确度。自动驾驶领域通常涉及目标检测、语义分割、车道线检测等类别,如识别车辆、行人、可行区域等对象。 评测脚本 评测任务 任务队列 评测对比 模型数据集支持 父主题: 训练服务
停止任务 对于运行中、等待中的任务,用户可以单击操作栏的“停止”终止任务。 训练任务相关操作与任务所处状态约束关系请见下表: 表2 训练任务相关操作与任务所处状态约束 作业状态 重建 删除 停止 排队中 - √ √ 提交中 - - - 提交失败 √ √ - 运行中 - - √ 运行异常
区域3:标注结果确认栏。 区域4:标注搜索。 区域5:任务进度、保存/退出任务。 图2 3D点云 图3 2D图片 选择标注形状,标注模板中已包含标注样本中所有标注对象信息,可单击选择对应标注标签。 图4 标注形状 表1 标注形状示例 标注形状 适用场景(示例) 适用于人车、红绿灯等矩形框标注
] } 必须字段样例 数据集可视化 “.json”文件中必须包含label_counts和labels字段信息。 创建标注任务 “.json”文件中必须包含label_counts和labels字段信息。如果需要json文件中已有的标注信息在平台上直接展示,则label_coun
] } 必须字段样例 数据集可视化 “.json”文件中必须包含label_counts和labels字段信息。 创建标注任务 “.json”文件中必须包含label_counts和labels字段信息。如果需要json文件中已有的标注信息在平台上直接展示,则label_coun
s内置的算法,也可以自定义算法。 训练算法 模型评测 在机器学习中,通常需要使用一定的方法和标准,来评测一个模型的预测精确度,用于衡量一个模型及其标注结果的可信度。自动驾驶领域的模型多用于目标检测,如识别并标注出图像中车辆、行人、可行区域等对象。 模型评测 编译镜像 编译镜像可以