半夜睡不着想了一个多模态任务,同时输入一段声音(非自然语言,比如鸟叫)和一张图片,将图片中的相应位置的鸟标注出来。
现在有这种数据集吗,图片和声音是能够互相验证的吧。
提这个问题是想到自动驾驶貌似都忽略了自然声音这一信息。
评价标准就用声音传感器的数量和标注准确率来衡量。
现在有这种数据集吗,图片和声音是能够互相验证的吧。
提这个问题是想到自动驾驶貌似都忽略了自然声音这一信息。
评价标准就用声音传感器的数量和标注准确率来衡量。
全部评论

非常好想法,这个项目我王多鱼投了
相关推荐
点赞 评论 收藏
分享
05-16 17:59
门头沟学院 算法工程师 点赞 评论 收藏
分享