Набір даних семантичної сегментації трафіку CCTV
Сегментація екземплярів
Корпус: Авто водіння
Формат: Відео
Рахувати: 1.2k
Анотація: Так
Опис: «Набір даних семантичної сегментації сцен CCTV Traffic Scene» пропонує унікальну перспективу для розвитку автономного водіння, фіксуючи складні сцени дорожнього руху зі стаціонарної точки зору. Використовуючи записи відеоспостереження високої роздільної здатності з камер спостереження за дорогами з роздільною здатністю понад 1600 x 1200 пікселів і частотою кадрів понад 7 кадрів в секунду, цей набір даних забезпечує детальну сегментацію екземплярів різних елементів дорожнього руху, включаючи людей, тварин, велосипедні транспортні засоби, автомобілі та інші. дорожні бар'єри. Він також охоплює низку погодних умов, пропонуючи надійний набір даних для навчання систем ШІ розуміти та інтерпретувати різноманітні сценарії дорожнього руху з фіксованої точки огляду.
Набір даних сегментації контуру міського неба
Контурна сегментація
Корпус: Набір даних сегментації контуру міського неба
Формат: зображення
Рахувати: 17k
Анотація: Так
Опис: «Набір даних сегментації контурів міського неба» розроблений для сектору візуальних розваг і містить колекцію зібраних в Інтернеті зображень із високою роздільною здатністю 3000 x 4000 пікселів. Цей набір даних призначений для сегментації контурів, зосереджуючись на зйомці неба в міських умовах із такими елементами, як будівлі та рослини, забезпечуючи детальний фон для створення різноманітного візуального контенту.
Набір даних семантичної сегментації Dashcam Traffic Scenes
Семантична сегментація
Корпус: Авто водіння
Формат: зображення
Рахувати: 210
Анотація: Так
Опис: Набір даних семантичної сегментації сцен дорожнього руху Dashcam необхідний для розширення меж технологій автономного водіння. Цей набір даних містить зображення автореєстратора з роздільною здатністю приблизно 1280 x 720 пікселів, сегментовані семантично, щоб відобразити різні елементи міського та приміського транспортного середовища. Він всебічно класифікує 24 різні об’єкти та сценарії, включаючи небо, людей, транспортні засоби, безмоторні транспортні засоби, шосе, пішохідні доріжки, переходи зебри, дерева, будівлі тощо. Така детальна семантична сегментація дозволяє системам автономного водіння краще розуміти та інтерпретувати складність дороги, покращуючи навігацію та протоколи безпеки.
Набір даних сегментації придатної для руху зони
Семантична сегментація, бінарна сегментація
Корпус: Авто водіння
Формат: зображення
Рахувати: 115.3k
Анотація: Так
Опис: «Набір даних сегментації придатної для руху зони» ретельно розроблений, щоб розширити можливості штучного інтелекту в навігації автономних транспортних засобів у різноманітних середовищах водіння. Він містить широкий спектр зображень високої роздільної здатності з роздільною здатністю від 1600 x 1200 до 2592 x 1944 пікселів, що фіксують різні типи тротуарів, такі як бітум, бетон, гравій, земля, сніг і лід. Цей набір даних життєво важливий для навчання моделей штучного інтелекту розрізняти зони, придатні для руху, і зони, де вони не використовуються, що є фундаментальним аспектом автономного водіння. Забезпечуючи детальну семантичну та бінарну сегментацію, він спрямований на підвищення безпеки та ефективності автономних транспортних засобів, гарантуючи, що вони можуть адаптуватися до різних дорожніх умов і середовищ, які зустрічаються в реальних сценаріях.
Набір історичних даних
Корпус: Ідентифікація орієнтирів, позначення орієнтирів
Формат: .jpg, mp4
Рахувати: 2087
Анотація: Немає
Опис: Збирайте зображення (1 фотографію під час реєстрації, 20 історичних фотографій на особу) і відео (1 у приміщенні, 1 на вулиці) від унікальних осіб
Набір даних сегментації внутрішніх об’єктів
Сегментація примірників, Семантична сегментація,Контурна сегментація
Корпус: Набір даних сегментації внутрішніх об’єктів
Формат: зображення
Рахувати: 51.6k
Анотація: Так
Опис: «Набір даних сегментації внутрішніх об’єктів» обслуговує сектори реклами, ігор і візуальних розваг, пропонуючи зображення високої роздільної здатності в діапазоні від 1024 × 1024 до 3024 × 4032. Цей набір даних включає понад 50 типів поширених внутрішніх об’єктів і архітектурних елементів, таких як меблі. і структури кімнат, анотовані, наприклад, семантична та контурна сегментація.
Набір відеоданих про санітарію кухні
Обмежувальна рамка, теги
Корпус: Набір відеоданих про санітарію кухні
Формат: Відео
Рахувати: 7k
Анотація: Так
Опис: Камери відеоспостереження Фото. Роздільна здатність понад 1920 x 1080, а кількість кадрів у секунду відео понад 30.
Набір даних орієнтирів
Корпус: Ідентифікація орієнтирів, позначення орієнтирів
Формат: . Jpg
Рахувати: 34118
Анотація: Немає
Опис: Зображення визначних місць у контексті їхнього середовища
Записуючий пристрій: Мобільна камера
Умови запису: - Денне світло - Ніч - Похмуро/дощ
Набір даних сегментації смуг
Бінарна сегментація, семантична сегментація
Корпус: Авто водіння
Формат: зображення
Рахувати: 135.3k
Анотація: Так
Опис: «Набір даних сегментації смуг руху» призначений для прискорення розвитку технологій автономного водіння, особливо зосереджуючись на виявленні та сегментації смуг руху. Він містить величезну кількість зображень із автореєстраторів, розділених на 35 різних категорій, щоб охопити повний діапазон дорожньої розмітки, як-от різні суцільні та пунктирні лінії білого та жовтого кольорів. Цей набір даних має на меті покращити точність штучного інтелекту у визначенні меж смуг, що має вирішальне значення для безпечної навігації автономних транспортних засобів.
Набір даних сегментації зони злиття смуг і розвилок
Двійкова сегментація
Корпус: Авто водіння
Формат: зображення
Рахувати: 4.2k
Анотація: Так
Опис: «Набір даних про злиття смуг руху та сегментування зони розвилок» конкретно стосується складнощів злиття та розгалуження смуг руху, критичних сценаріїв автономного водіння. Цей набір даних, що складається із зображень автореєстратора, анотований для бінарної сегментації, зосереджуючись на областях, де смуги зливаються або розгалужуються. Він містить докладні позначки для зон злиття смуг, зон розвилок смуг (позначених перевернутими трикутними лініями) і потенційних перешкод, таких як транспортні засоби, дерева, дорожні знаки та пішоходи. Цей набір даних є життєво важливим інструментом для навчання моделей AI навігації в цих складних дорожніх ситуаціях, забезпечуючи більш плавне та безпечне автономне водіння.
Набір даних семантичної сегментації кількох сценаріїв і осіб
Контурна сегментація, семантична сегментація
Корпус: Кілька сценаріїв і семантична сегментація осіб
Формат: зображення
Рахувати: 54k
Анотація: Так
Опис: Набір даних «Семантична сегментація кількох сценаріїв і осіб» розроблено для індустрії візуальних розваг і містить зібрані в Інтернеті зображення з роздільною здатністю від 1280 x 720 до 6000 x 4000. Він зосереджений на сценах із багатьма людьми в міських, природних умовах і в приміщеннях, надання докладних анотацій для людських фігур, аксесуарів і фону.
Набір даних паноптичного сегментування зовнішньої будівлі
Паноптична сегментація
Корпус: Набір даних паноптичного сегментування зовнішньої будівлі
Формат: зображення
Рахувати: 1k
Анотація: Так
Опис: «Набір даних паноптичного сегментування зовнішніх будівель» розроблений для індустрії візуальних розваг і складається з колекції зображень зовнішнього середовища, зібраних в Інтернеті, з високою роздільною здатністю понад 3024 x 4032 пікселів. Цей набір даних зосереджений на панорамній сегментації, захоплюючи кожен ідентифікований екземпляр у зовнішніх сценах, включаючи будівлі, дороги, людей, автомобілі тощо, забезпечуючи повний набір даних для детального аналізу навколишнього середовища та створення.
Набір даних семантичної сегментації зовнішніх об’єктів
Обмежувальна рамка, ключові моменти
Корпус: Набір даних семантичної сегментації зовнішніх об’єктів
Формат: зображення
Рахувати: 7.1k
Анотація: Так
Опис: «Набір даних семантичної сегментації об’єктів на відкритому повітрі» розроблений для застосування в медіа, розвагах і робототехніці, складається з різноманітних зображень, зібраних в Інтернеті, з роздільною здатністю від 1024 x 726 до 2358 x 1801 пікселів. Цей набір даних використовує обмежувальні рамки та анотації ключових точок для сегментації різних зовнішніх елементів, зокрема частин людського тіла, природних пейзажів, архітектурних споруд, тротуарів, транспортних засобів тощо.
Набір даних сегментації панорамних сцен
Семантична сегментація
Корпус: Набір даних сегментації панорамних сцен
Формат: зображення
Рахувати: 21.3k
Анотація: Так
Опис: «Набір даних сегментації панорамних сцен» — це повний ресурс для робототехніки та візуальних розваг, що складається з широкого діапазону зібраних в Інтернеті зображень із роздільною здатністю від 660 x 371 до 5472 x 3648 пікселів. Цей набір даних спрямований на семантичну сегментацію, охоплюючи різні елементи, такі як горизонтальні та вертикальні площини, будівлі, люди, тварини та меблі, пропонуючи цілісне уявлення про різні сцени.
Набір даних сегментації ігрових сцен PUBG
Сегментація примірників, семантична сегментація
Корпус: Набір даних сегментації ігрових сцен PUBG
Формат: зображення
Рахувати: 11.2k
Анотація: Так
Опис: «Набір даних сегментації ігрових сцен PUBG» спеціально розроблений для ігрових додатків і містить скріншоти з популярної гри PUBG з роздільною здатністю 1920 × 886, 1280 × 720 і 1480 × 720 пікселів. Він охоплює 17 категорій для екземплярів і семантичної сегментації, включаючи персонажів, транспортні засоби, ландшафти та внутрішньоігрові предмети, надаючи багатий ресурс для розробки та аналізу гри.
Набір даних семантичної сегментації дорожніх сцен
Семантична сегментація
Корпус: Набір даних семантичної сегментації дорожніх сцен
Формат: зображення
Рахувати: 2k
Анотація: Так
Опис: «Набір даних семантичної сегментації сцени на дорозі» спеціально розроблений для додатків автономного водіння, що містить колекцію зображень, зібраних в Інтернеті, зі стандартною роздільною здатністю 1920 x 1080 пікселів. Цей набір даних зосереджений на семантичній сегментації з метою точного сегментування різних елементів дорожніх сцен, таких як небо, будівлі, смуги руху, пішоходи тощо, для підтримки розробки передових систем допомоги водієві (ADAS) і технологій автономного транспортного засобу.
Набір даних панорамної сегментації дорожніх сцен
Паноптична сегментація
Корпус: Набір даних панорамної сегментації дорожніх сцен
Формат: зображення
Рахувати: 1k
Анотація: Так
Опис: «Набір даних паноптичного сегментування дорожніх сцен» призначений для застосування у сфері візуальних розваг і автономного керування автомобілем і містить колекцію зображень дорожніх сцен, зібраних в Інтернеті, з роздільністю понад 1600 x 1200 пікселів. Цей набір даних спеціалізується на панорамній сегментації, анотуючи кожен ідентифікований екземпляр на зображеннях, як-от транспортні засоби, дороги, смуги руху, рослинність і людей, забезпечуючи детальний набір даних для комплексного аналізу дорожньої сцени.
Набір даних матування контуру неба
Сегментація
Корпус: Набір даних матування контуру неба
Формат: зображення
Рахувати: 20k
Анотація: Так
Опис: Наш «Sky Outline Matting Dataset» обслуговує Інтернет, засоби масової інформації та мобільну індустрію з підібраною добіркою зображень неба. Цей набір даних містить різноманітні умови неба, зокрема сонячне, хмарне, схід, захід сонця тощо, з точною сегментацією на рівні пікселів для вилучення детальних контурів, що підходить для різних застосувань.
Набір даних сегментації неба
сегментація маски
Корпус: Набір даних сегментації неба
Формат: зображення
Рахувати: 73.6k
Анотація: Так
Опис: «Набір даних сегментації неба» ретельно підібраний для індустрії візуальних розваг і містить зображення, зроблені вручну, з роздільною здатністю від 937 × 528 до 9961 × 3000. Ця колекція присвячена сегментації неба в різний час дня та ночі, надаючи динамічний діапазон сценаріїв зовнішнього неба для комплексних завдань сегментації маски.
Набір даних сегментації доріжки
Сегментація екземплярів, двійкова сегментація
Корпус: Авто водіння
Формат: зображення
Рахувати: 87.8k
Анотація: Так
Опис: «Набір даних сегментації пішохідних доріжок» створено для підвищення безпеки та ефективності систем автономного водіння, зосереджуючись на точному визначенні та сегментації пішохідних доріжок. Цей набір даних, що містить зображення з автореєстраторів, має вирішальне значення для навчання моделей штучного інтелекту розрізняти зони для руху та пішохідні зони. Сегментуючи пішохідні зони за допомогою екземплярів і бінарних методів сегментації, він забезпечує критичний ресурс для розробки автономних транспортних засобів, які можуть безпечно пересуватися міським середовищем.