We read every piece of feedback, and take your input very seriously.
To see all available qualifiers, see our documentation.
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
你好,我观察了下数据集中的标注数据。有些图片标注的似乎不是很精细; 有些图片,道路中的forest会一起被标注为道路; 有些图片中的建筑物会出现漏标,只标一部分; 有些图片中的建筑物还会把周围比较多的背景包括进去; 有些图片中占比较小的forest会被漏标,有些图片又会标记这些较小的forest。 如 Val/Urban/3518 建筑物只标注了一部分 Val/Urban/3532 请问,Test 数据集中的标注也会出现这样的情况吗?还是 Test 数据集中的标注比 Train 和 Val 的要更精细一些。
The text was updated successfully, but these errors were encountered:
感谢您指出标注存在了一些问题,目前来看,这些细碎的问题不影响大数据驱动下的模型训练。 可以参考MMCV给我们数据集Benchmark的结果。 (open-mmlab/mmsegmentation#1006 (comment)) 测试集是我们仔细检查过的,应该错误会少一些。我们也正在整理收集现有标注错误,希望您也可以协助我们,上传给我们修改后的正确标注,我们也会有进一步的更新。
Sorry, something went wrong.
No branches or pull requests
你好,我观察了下数据集中的标注数据。有些图片标注的似乎不是很精细;
有些图片,道路中的forest会一起被标注为道路;
有些图片中的建筑物会出现漏标,只标一部分;
有些图片中的建筑物还会把周围比较多的背景包括进去;
有些图片中占比较小的forest会被漏标,有些图片又会标记这些较小的forest。
如 Val/Urban/3518 建筑物只标注了一部分 Val/Urban/3532
请问,Test 数据集中的标注也会出现这样的情况吗?还是 Test 数据集中的标注比 Train 和 Val 的要更精细一些。
The text was updated successfully, but these errors were encountered: