一些分割数据集整理

1、BSDS300 ---- BSDS500

berkeley segmentation dataset and benchmark

BSDS300 包含300张分割好的灰度和颜色分割结果,分为训练集200张,测试集100张。

BSDS500 包含原300张作为training/val图像和200fresh images,共500张图像。

The goal of this work is to provide an empirical basis for research on image segmentation and boundary detection.


2. CMU-Cornell iCoseg dataset

协同分割数据集

共38组,643张图像。

GT为二值化的逐像素分割。


3. Coseg-Rep

23种,572张图像。

其中22种为不同种类的动物与花朵,每一类有9-49张图像。

有一个特殊的类,成为repetitive。包含116张自然场景图象,其中在同一张图象包含重复的相似的形状模式,如树叶、葡萄等。


4. MSRC [The Microsoft Research Cambridge ]

21类,591张图像

GT:彩色的pixel-level结果


5.safari

8类*50=400张图像

GT:包含多目标的协同分割


6.PASCAL VOC2012 [分类、检测、分割]

a. Annotation

存放为xml格式的标签文件,每个xml对应于JPEGImages文件夹中的一张图像(包括bounding box和class label)

b. ImageSets

Action: 人的动作(running,jumping等)

Layout:人体部位(head,hand,feet等)

Main:图像物体识别数据,共20类

Segmentation:可用于分割的图像编号

c. JPEGImages

所有图像,'年份-编号.jpg'格式命名

d.SegmentationClass

分割后图像

e. SegmentationObject

针对于目标的分割后图像

注:一张图象如果有多架飞机,在d中为全红色,在e中,被不同颜色标注。


7、coco dataset

for detection and segmentation, contains more than 200,000 images and 80 object categories


8、ImageNet

a. For Image classification, 22,000 类,每类500-1000张图像

b. For Object detection, 200类,400,000张图像,350,000个bounding box

  • 2
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
点云是由三维空间中的一系列点组成的数据集,它常被用于描述物体的形状和位置。点云语义分割是对点云数据进行分析和分类。该任务的目标是为每个点赋予正确的语义标签,以实现对点云中的物体的分割和识别。 Plant点云语义分割数据集是一个特定领域的点云数据集,主要关注于植物的语义分割。这个数据集包含了大量的植物点云数据,每个点都有特定的XYZ坐标和其他属性信息,例如法向量、颜色等。此外,每个点还被赋予了相应的语义标签,比如树木、草地、花朵等。 准备一个对应的Plant点云语义分割数据集需要多个步骤。首先,需要收集大量的植物点云数据,可以通过3D激光扫描仪、摄像头等设备获得。然后,对这些点云数据进行预处理,包括去除噪声、滤波、重采样和对齐等操作,以提高数据的质量和准确性。 接下来,需要对每个点进行语义标注。这可以通过人工标注的方式来完成,专业的植物学家或领域专家可以观察点云数据,并为每个点分配适当的语义标签。这个过程可能会很耗时和复杂,但对于准确的语义分割结果是必要的。 最后,将点云数据和其对应的语义标签整理成一个数据集。这个数据集可以用于训练和评估点云语义分割算法的性能。可以将数据集划分为训练集和测试集,用于算法的训练和验证。 总之,Plant点云语义分割数据集是一个专门用于植物点云数据分割和识别的数据集,通过收集、预处理和人工标注的方式获得。它可以用于开发和评估各种点云语义分割算法的性能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值