Dataset Analysis for DataLoader

[rkdogo08]

• [x] Public dataset 조사를 통해 기존 데이터셋의 volume을 조사한다.

• [x] 데이터셋 서베이 후, 우리데이터셋을 어떻게 보완할지 결정한다.

• [ ] 기존 데이터셋의 volume에 준하는 우리만의 데이터 셋을 구축한다.

• [x] 어떻게 라벨링 작업을 진행할지 계획하고, 그 계획에 적합하도록 기존 어노테이터를 변경한다.

  Public dataset research

• The KITTI Vision Benchmark Suite : http://www.cvlibs.net/datasets/kitti/ Python : https://github.com/utiasSTARS/pykitti

  Type of annotations -Depth Prediction Evaluation -Object Detection (7481 training images and 7518 test images) -Road/Lane Detection (289 training and 290 test images) -Semantic and Instance Segmentation Evaluation (200 training images as well as 200 test images)

• Cityscapes : https://www.cityscapes-dataset.com

Volume -5 000 annotated images with fine annotations -20 000 annotated images with coarse annotations

Type of annotations -Semantic -Instance-wise -Dense pixel annotations

Group	Classes
flat	road · sidewalk · parking· rail track
human	person · rider
vehicle	car · truck · bus · on rails · motorcycle · bicycle · caravan · trailer
construction	building · wall · fence · guard rail · bridge · tunnel
object	pole · pole group · traffic sign · traffic light
nature	vegetation · terrain
sky	sky
void	ground · dynamic · static

---

현재 우리의 데이터 셋

• 세종대학교 교내에서 영상을 찍어 라벨링 작업을 함 Raw data Cropped data annotation json file 일부

Classes	갯수
Barricade	33
car	524
cone_construct	138
flowerpot	276
human	1715
street_lamp	100
tree	195
kerb_wooden	114

---

문제점&보완방법

• class당 이미지 데이터가 부족함 →Public dataset(Kitti dataset)을 메인으로 이용하고 모델의 정확도를 높이기 위해 직접 만든 데이터 추가
• 학습시 어떤 형태의 어노테이션이 필요한가? → TFRecords XML or json

[unizard]

추천: 데이터 크롤링

그냥 촬영하지 말고 크롤링하는거 어때요? 이것보단 훨씬 더 모을 듯

Barricade | 33 car | 524 cone_construct | 138 flowerpot | 276 human | 1715 street_lamp | 100 tree | 195 kerb_wooden | 114