本文将为您介绍10个经典、热门的数据集,希望对您在选择适合的数据集时有所帮助。
1
Embrapa ADD 256 (Embrapa Apples by Drones Detection Dataset)
-
发布时间:
2021-10-21
-
简介:
Embrapa ADD 256(Apples by Drones Detection Dataset — 256 × 256)的创建是为了提供图像和注释,用于研究果园中的苹果检测,以便在苹果生产中进行基于无人机的监测。 该数据集由 1,139 张图像组成,其中包含 2,471 个苹果。
-
下载地址:
https://github.com/thsant/add256
-
论文地址:
https://arxiv.org/pdf/2110.12331.pdf
2
DroneCrowd
-
发布方:
京东金融美国公司·纽约州立大学奥尔巴尼分校·Tianjin University
-
发布时间:
2021
-
简介:
DroneCrowd是一种新的无人机捕获的大规模数据集,可用于解决无人机捕获的拥挤场景中的密度图估计,定位和跟踪任务。数据集由112视频剪辑和33,600高清帧组成。值得注意的是,该数据集注释了具有480万头部和几个视频级别属性的20,800人的轨迹。
-
下载地址:
github.com/VisDrone/DroneCrowd
-
论文地址:
arxiv.org/pdf/2105.02440v1.pdf
3
IBD(InstanceBuilding 2D)
-
发布方:
代尔夫特理工大学·浙江工业大学
-
发布时间:
2022
-
简介:
名为InstanceBuilding的数据集同时包含3D城市场景和无人机图像的建筑物实例注释,这使其具有独特性。我们为608无人机图像注释了16,000屋顶,所有这些都通过相应的高度图进行了增强。我们还为3D城市场景注释了892屋顶/建筑物,其中600多个建筑物与其他建筑物相连。在这样拥挤的城市场景中,实例分割比各种应用中的语义分割具有更显著的 fi can优势。与现有数据集的比较可以在我们的IEEE TGRS论文中找到。用屋顶实例分段掩码注释的高分辨率无人机无人机图像。
-
下载地址:
https://californiachen.github.io/datasets/InstanceBuilding
-
论文地址:
https://ieeexplore.ieee.org/document/9797751/
4
VTUAV
-
发布方:
大连理工大学·鹏城实验室·Tiwaki Co.Ltd.
-
发布时间:
2022-03-28
-
简介:
我们为可见光热无人机跟踪 (VTUAV) 构建了具有高多样性的大规模基准,包括具有170万高分辨率 (1920*1080像素) 帧对的500序列。
-
下载地址:
https://zhang-pengyu.github.io/DUT-VTUAV/
-
论文地址:
https://openaccess.thecvf.com/content/CVPR2022/papers/Zhang_Visible-Thermal_UAV_Tracking_A_Large-Scale_Benchmark_and_New_Baseline_CVPR_2022_paper.pdf
5
Drone Tracking
-
发布方:
苏黎世联邦理工学院·慕尼黑工业大学
-
发布时间:
2020
-
简介:
该数据集包含使用多个消费级相机(智能手机、紧凑型相机、gopro 等)捕获飞行无人机(六轴飞行器)的视频,这些视频具有高精度的 3D 无人机轨迹地面实况记录器,由 Fixposition 的精确实时 RTK 系统记录.在一些视频中,还提供了地面实况时间同步和地面实况摄像机位置。
-
下载地址:
https://github.com/CenekAlbl/drone-tracking-datasets
-
论文地址:
https://arxiv.org/pdf/2003.04784v2.pdf
6
CARPK (car parking lot dataset)
-
发布方:
台湾大学·通用电气全球研究中心
-
发布时间:
2017
-
简介:
停车场数据集 (CARPK) 包含通过无人机 (幻影3专业) 收集的来自4个不同停车场的近90,000辆汽车。在大约40米高度的无人机视图中收集图像。此外,我们从部分PUCPR数据集 (称为PUCPR数据集) 的单个图像中完成了所有汽车的注释,其中总共有近17,000辆汽车。这是一个大规模的数据集,用于在各种停车场的场景中进行汽车计数。图像集通过每辆车的边界框进行注释。所有标记的边界框都已被左上角和右下角的点很好地记录下来。它支持对象计数,对象定位以及在边界框中使用注释格式的进一步研究。
-
下载地址:
https://lafi.github.io/LPN/
-
论文地址:
https://arxiv.org/pdf/1707.05972.pdf
7
Ruralscapes
-
发布方:
布加勒斯特理工大学·Romanian Academy of Sciences
-
发布时间:
2020
-
简介:
我们收集了 20 部描绘农村地区的高质量 4K 视频。 Ruralscapes 包括各种景观、不同高度的不同飞行场景和跨越广泛尺度的物体。视频序列长度从 11 秒到 2 分 45 秒不等。该数据集由 17 分钟的无人机飞行组成,共有 50,835 个完全注释的帧,分为 12 个类别。其中有 1,047 个是手动注释的,每秒一次。据我们所知,它是最大的真实无人机视频语义分割数据集。 标签提供了很好的细节水平,但是由于小物体的空间分辨率降低,准确的分割很困难。由于数据集的性质,某些类别(例如 haystack)非常小,而其他类别(例如人)也具有特写镜头。手动标记是一个耗时的过程。根据来自 Liceul "Petru Cercel" din Targoviste 的 21 名志愿者的反馈,他们对数据集进行了分割,他们平均需要 45 分钟来标记整个帧。这意味着分割手动标记的 1,047 帧需要 846 小时。
-
下载地址:https://sites.google.com/site/aerialimageunderstanding/semantics-through-time-semi-supervised-segmentation-of-aerial-videos
-
论文地址:
https://arxiv.org/pdf/2010.01910v1.pdf
8
CF-mMIMO data - measurement at USC
-
发布方:
南加州大学·Escuela Superior Politécnica del Litoral·KDDI Research, Inc.
-
发布时间:
2022
-
简介:
测量是在南加州大学 (大学公园校区) 进行的。 具有单个天线的无人机充当发射器,而具有128天线的cylidrical阵列充当接收器。 数组包含16个不同的线性数组,形成一个圆柱体,其中每个数组包含4个补丁元素。 每个补丁元素都有两个不同的端口 (V-pol和H-pol),因此每个线性阵列有8个端口。 我们使用了46 MHz带宽,带有2301子载波,中心频率约为3.5 GHz。
-
下载地址:
https://github.com/tomathchoi/CF-mMIMO
-
论文地址:
https://arxiv.org/pdf/2106.15276v2.pdf
9
MarSyn
-
发布方:
系统和机器人研究所·海军研究中心
-
发布时间:
2022
-
简介:
海事合成 (MarSyn) 数据集由使用Blender获得的25个不同的真实感视频序列组成,每个包含1000帧。它的25,000图像及其相应的34,000注释旨在模拟各种海洋场景和条件,例如晴天,多云和日落环境,近岸图像和水面反射。在模拟中部署了不同类型的船舶,这增加了数据集的多样性。这些船只的类型 (货物,军舰,捕鱼,快艇,救援筏等),长度 (从3米一直到125米),形状和颜色。模拟摄像机被放置并相应地移动到无人机上,无人机可以在150到1000米的高度捕获图像。
-
下载地址:
https://vislab.isr.ist.utl.pt/marsyn-dataset/
-
论文地址:
https://www.mdpi.com/1424-8220/22/21/8090/pdf?version=1666425422
温馨 小贴士
如有您想了解的计算机方向数据集
请联系我们
免费为您提供数据集搜索服务