关于车道线的评估方式

[q36101]

请问tusimple、culane和llamas dataset，在评估f1-score时，是使用instance(多类别)还是binary(二分类)的结果?在测试llamas时，因为车道线断断续续，我的instance测试效果很差，与其他论文f1-score=80-90差太多。

[voldemortX]

@q36101 你说的多类别指的是区分实线虚线吗？

[q36101]

我指的多类别是llamas dataset 的label ，将每一条车道线视为一类(跟tusimple一样)，而不考虑实线和虚线。 但是如果有区分实线和虚线的方法我也想知道。 Zhengyang Feng ***@***.***> 於 2023年6月2日 週五 下午5:04寫道：

…

@q36101 <https://github.com/q36101> 你说的多类别指的是区分实线虚线吗？ — Reply to this email directly, view it on GitHub <#148 (comment)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AZA5HJAO7BGO5XLOAAYCWU3XJGUCNANCNFSM6AAAAAAYYATKXY> . You are receiving this because you were mentioned.Message ID: ***@***.***>

[voldemortX]

我指的多类别是llamas dataset 的label ，将每一条车道线视为一类(跟tusimple一样)，而不考虑实线和虚线。
但是如果有区分实线和虚线的方法我也想知道。

Zhengyang Feng @.***> 於 2023年6月2日 週五 下午5:04寫道：

@q36101 https://github.com/q36101 你说的多类别指的是区分实线虚线吗？

—
Reply to this email directly, view it on GitHub
#148 (comment),
or unsubscribe
https://github.com/notifications/unsubscribe-auth/AZA5HJAO7BGO5XLOAAYCWU3XJGUCNANCNFSM6AAAAAAYYATKXY
.
You are receiving this because you were mentioned.Message ID:
@.***>

根据你的描述，各个数据集的评测都不是多分类的吧

[q36101]

也就是说instance的结果主要是用在后处理，使车道结果可视化，而分割評估结果只考虑 semantic segmentation? Zhengyang Feng ***@***.***> 於 2023年6月2日 週五 下午6:00寫道：

…

我指的多类别是llamas dataset 的label ，将每一条车道线视为一类(跟tusimple一样)，而不考虑实线和虚线。 但是如果有区分实线和虚线的方法我也想知道。 Zhengyang Feng *@*.***> 於 2023年6月2日 週五 下午5:04寫道： @q36101 <https://github.com/q36101> https://github.com/q36101 你说的多类别指的是区分实线虚线吗？ — Reply to this email directly, view it on GitHub #148 (comment) <#148 (comment)> , or unsubscribe https://github.com/notifications/unsubscribe-auth/AZA5HJAO7BGO5XLOAAYCWU3XJGUCNANCNFSM6AAAAAAYYATKXY . You are receiving this because you were mentioned.Message ID: *@*.***> 根据你的描述，各个数据集的评测都不是多分类的吧 — Reply to this email directly, view it on GitHub <#148 (comment)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AZA5HJHWPK4AW27SM5D4ZSLXJG2VJANCNFSM6AAAAAAYYATKXY> . You are receiving this because you were mentioned.Message ID: ***@***.***>

[voldemortX]

@q36101 好像我理解错你的定义了。所有的评测都是instance为单位的，计算预测线（转化为点集合）和GT线（转化为点集合）之间的某种几何距离判定正确性。或者以点为单位计算acc（tusimple）。

[q36101]

意思是說以多類別(多條車道線與背景)分割，而不是二值化(車道線與背景)分割，評估f1-score嗎? Zhengyang Feng ***@***.***> 於 2023年6月2日 週五 下午6:37寫道：

…

@q36101 <https://github.com/q36101> 好像我理解错你的定义了。所有的评测都是instance为单位的，计算预测线（转化为点集合）和GT线（转化为点集合）之间的某种几何距离判定正确性。或者以点为单位计算acc（tusimple）。 — Reply to this email directly, view it on GitHub <#148 (comment)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AZA5HJCGCR2ZX4TYTPZEVWDXJG67RANCNFSM6AAAAAAYYATKXY> . You are receiving this because you were mentioned.Message ID: ***@***.***>

[voldemortX]

应该理解为类似目标检测的评测，而不是分割。单位是instance。

你可以看llamas的python代码理解一下。

[q36101]

您好，請問一般我們評估tusimple、culane和llamas dataset時，如何將車道標記的預測圖像轉換為車道標記所在的車道坐標列表，並將其保存為 JSON 文件?是網路生成的嗎，抑或是不同dataset有不同的生成方式。

[voldemortX]

@q36101 不同算法有不同的输出格式（分割图，曲线表达式，点序列），根据数据集评测脚本的要求（如y坐标每10pixel采样一个x坐标），自行转换结果格式。你说的json文件是tusimple的格式吧，其他数据集是txt文件。你可以在这里找到转换的逻辑。