传感器类型: 相机
时间戳: 1690454400000
文件路径: /path/to/camera_data.jpg
纬度: 30.267
经度: 120.123
图像质量评估（PSNR）: 35.5
图像质量评估（SSIM）: 0.92
标注类型: 2D
算法版本: YOLOv5
标注格式: COCO
2D 准确率: 85.2%
2D 召回率: 88.7%
数据质量评分: 90.1
是否已审核: 是
耗时: 15.5秒
标注专家系统建议:
标注框: [100, 200, 300, 400]
类别: 车辆
置信度: 0.95
标注类型: 2D
算法版本: YOLOv5
标注格式: COCO
2D 准确率: 85.2%
2D 召回率: 88.7%
数据质量评分: 90.1
是否已审核: 是
耗时: 15.5秒
数据范围: 1690454400000 - 1690458000000
总成本: 15000 元
软件成本: 5000 元
硬件成本: 6000 元
人工成本: 3000 元
集成成本: 1000 元
数据恢复时间 (RTO): 2 小时
每 TB 存储成本: 50 元
数据范围: 1690454400000 - 1690458000000
2D 标注准确率: 85.2%
2D 标注召回率: 88.7%
3D 标注准确率: 82.5%
3D 标注召回率: 86.1%
数据完整性: 98.5%
清洗规则引擎精确率: 95.0%
清洗规则引擎召回率: 96.0%
MAE: 0.02
MSE: 0.005
格式兼容性: 是
数据压缩率: 0.65
数据范围: 1690454400000 - 1690458000000
数据处理速度： 1000 张图片/小时
标注数据周转时间： 24小时
标注人员效率提升： 20%
使用 YOLOv5、DETR 等算法检测图像中的目标。
使用 PointPillars、VoxelNet 等算法检测点云中的目标。
将图像和点云的检测结果进行融合，提高检测精度和鲁棒性。例如使用 Camera-LiDAR Fusion 方法。
辅助标注人员进行标注，提高标注效率和质量。
将模型的不确定性可视化，方便标注人员进行审核，减少错误标注。