目标检测算法——图像分割数据集汇总 2（附下载链接）

已于 2022-12-10 09:34:05 修改
阅读量2k 收藏 8
点赞数 3
分类专栏： 开源数据集汇总 文章标签： 人工智能 计算机视觉 深度学习 算法
于 2022-12-09 11:47:23 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_53578855/article/details/128250398
版权

>>>深度学习Tricks，第一时间送达<<<

🎄🎄近期，小海带在空闲之余，收集整理了一批图像分割数据集供大家参考。 整理不易，小伙伴们记得一键三连喔！！！🎈🎈

目录

一、鸟类昆虫数据集 🎄🎈

二、CAD-120 affordance数据集 🎄🎈

三、Intrinsic Images in the Wild 🎄🎈

四、多品种果花检测数据集 🎄🎈

五、OpenSurfaces数据集 🎄🎈

六、阴影检测/纹理分析数据集 🎄🎈

关于YOLO算法改进及论文投稿可关注并留言博主的CSDN/QQ

>>>一起交流！互相学习！共同进步！<<<

一、鸟类昆虫数据集 🎄🎈

数据集下载链接：http://suo.nz/22pJs7

这些数据库由 280 张具有ground truth的鸟类和昆虫的公共图像组成。

二、CAD-120 affordance数据集 🎄🎈

数据集下载链接：http://suo.nz/1NnlU1

包含9916个对象实例的3090幅图像的逐像素注释。

三、Intrinsic Images in the Wild 🎄🎈

数据集下载链接：http://suo.nz/1UTwnq

“Intrinsic Images in the Wild”，这是一个用于评估室内场景固有图像分解的大规模公共数据集。作者们通过数百万个众包注释创建了这个基准，这些注释对每个场景中的点对的材料属性进行了相对比较。

四、多品种果花检测数据集 🎄🎈

数据集下载链接：http://suo.nz/29RKnM

该数据集包含四组花卉图像，来自三种不同的树种：苹果、桃和梨，以及随附的地面实况图像。

五、OpenSurfaces数据集 🎄🎈

数据集下载链接：http://suo.nz/1bI3Md

包含从消费者内部照片中分割出来的数千个表面示例，并使用材料参数（反射率、材料名称）、纹理信息（表面法线、校正纹理）进行注释和上下文信息（场景类别和对象名称）。

六、阴影检测/纹理分析数据集 🎄🎈

数据集下载链接：http://suo.nz/1iyjoA

一个用于阴影检测和纹理分析的简单计算机视觉数据集，专门用于帮助测试移动机器人的阴影检测算法（和纹理分割算法）——即使用 活动（移动）相机进行阴影检测。

该数据集专注于纹理分析，因此每个图像序列都包含在许多不同纹理表面前移动的阴影。

关于YOLO算法改进及论文投稿可关注并留言博主的CSDN/QQ

>>>一起交流！互相学习！共同进步！<<<

目标检测算法——YOLOv7训练自己的数据集（保姆级教程）
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
10-26 1万+
目标检测算法——YOLOv7训练自己的数据集（保姆级教程）！！！
目标检测算法——YOLOv5/YOLOv7改进之结合​RepVGG（速度飙升）
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
11-11 1万+
目标检测算法——YOLOv5/YOLOv7改进之结合​RepVGG（速度飙升）。在ImageNet上，据我们所知，RepVGG的top-1准确性达到80％以上，这是老模型首次实现该精度。 在NVIDIA 1080Ti GPU上，RepVGG模型的运行速度比ResNet-50快83％，比ResNet-101快101％，并且具有更高的精度，与诸如EfficientNet和RegNet的最新模型相比，RepVGG显示出良好的精度-速度权衡。效果对比如下图所示。
unet图像分割数据集.zip
06-23
unet图像分割数据集.zip
目标检测算法——图像分割数据集汇总（附下载链接）
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
12-08 6654
🎄🎄近期，小海带在空闲之余，收集整理了一批图像分割数据集供大家参考。整理不易，小伙伴们记得一键三连喔！！！🎈🎈
yolo图像分割数据集制作、训练自己的数据集、使用单类别的coco分割数据集
最新发布
qq_42541521的博客
04-10 272
发现网上关于yolo系列的图像分割资料很少，基本都是用的官方提供的数据集，假设我只想分割某一种目标，就需要自己训练，但是开源的数据集又很少有yolo所需的coco格式的，故写篇文章来记录一下,以yolov8-seg为例。
图像分割开源数据集资源汇总（天空图像、骨架分割、多品种果花等）
zandaoguang的博客
11-05 6547
点击上方“视学算法”，选择加"星标"或“置顶”重磅干货，第一时间送达编辑丨极市平台导读本文汇总了图像分割相关的开源数据集，均附有下载链接。天空图像数据集数据集下载链接：http://suo.nz/1ykW0LSky 数据集包含 60 张带有地面实况的图像，用于天空分割。它基于 R. Fergus 15/02/03 的 Caltech Airplanes Side 数据集。选择数据集中包含天空区...
图像分割中常用数据集及处理思路（含代码）
shengweiit的博客
04-26 8249
一些分割常用的道路数据集，以及一个普遍适合的读入数据代码
深度学习图像分割（一）——PASCAL-VOC2012数据集（vocdevkit、Vocbenchmark_release）详细介绍
热门推荐
老潘的博客
01-29 3万+
PASCAL-VOC2012数据集介绍官网：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html 数据集下载地址：benchmark_RELEASE：下载地址 voc2012：下载地址 VOC2012数据集分为20类，包括背景为21类，分别如下： - Person: person - Animal: bird, cat, co
垃圾目标检测/物体目标检测 数据集
04-16
综上所述，“垃圾目标检测/物体目标检测数据集”为研究者和开发者提供了一个宝贵的工具，他们可以利用这个数据集训练模型，改进目标检测算法，尤其是在环保和垃圾分类的应用上。随着技术的进步，这类数据集和相关的...
目标检测算法——YOLOv7改进|增加小目标检测层
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
11-02 2万+
目标检测算法——YOLOv7改进|增加小目标检测层。官方版的YOLOv7相同体量下比YOLOv5精度更高，速度快120%（FPS），比 YOLOX 快180%（FPS），比 Dual-Swin-T 快1200%（FPS），比 ConvNext 快550%（FPS），比 SWIN-L快500%（FPS）。
目标检测-打架检测数据集-3000张图-+对应VOC-COCO-YOLO三种格式标签+数据集划分脚本
05-31
### 目标检测-打架检测数据集概述 #### 数据集特点 此打架检测数据集包含3000张高质量的真实监控场景图像，旨在为打架行为的自动检测与识别提供宝贵的训练资源。数据集覆盖了多样化的环境背景，例如街道、酒吧、...
图像分割和边缘检测-BSDS500数据集
01-22
BSDS300基础上扩展出的数据集，加入了200张新的图片。 BSDS500包括：图片，ground-truth, benchmarks
DRIVE数据集，用于视网膜图像分割
08-07
DRIVE数据集，用于视网膜图像分割，里面一半是训练集，一半是测试集。
weizmann分割图像数据库
01-08
weizmann团队网站上的图像分割数据库，里面有一个目标和两个目标的灰色图和彩色图。可用作人脸识别的负样本。
图像分割数据集制作
Fantastic
09-18 5388
制作VOC格式的语义分割数据集 本案例使用labelme作为工具，标注地物分类中的建筑物，用于遥感影像地物分类的数据集。 下图是语义分割的数据集目录。其中village是待标注的数据集，village_VOC是标注完成的数据集。 可以看下village_VOC标注完成的数据集以及数据的情况。JPEGImages保存的是原图。labels保存的是全黑图像。其他文件夹如VOC数据集一样。class_names.txt是设置的类别。 1. 将标注类别写到class_name.txt中 2. 路径切换到要打标
CV-图像分割数据集
09-07 1179
图像分割数据集用于训练和评估图像分割模型。
【计算机视觉】三种常用的分割数据集：室内场景(ADE20K)、室外场景(Cityscapes)和驾驶场景(BDD100K)
wzk4869的博客
07-22 1万+
【计算机视觉】三种常用的分割数据集：室内场景(ADE20K)、室外场景(Cityscapes)和驾驶场景(BDD100K)
【持续更新中，图像分割数据集】字节发布 COCONut 入选 CVPR 2024，立即体验 Segment Anything 分割万物！｜持续更新中！
HyperAI超神经
05-09 1089
随着计算机视觉技术的不断发展，图像分割在诸多领域展现出重要的应用价值。近年来，各种图像分割数据集如雨后春笋般涌现。上个月，字节跳动发布了首个大规模全景图像分割数据集「COCONut」，为这一领域的研究注入了新鲜血液。HyperAI超神经本周汇总了 10 个优质的图像分割数据集进行汇总和分析，以更好地推动相关研究的进展。除此之外，GitHub 上超火的项目「Segment Anything 分割万物...
基于深度学习的实例分割算法研究与应用——数据集下载
weixin_46027947的博客
07-09 530
使用ISIC-Downloader文件加中的脚本下载数据集： python download_archive.py -s 可以同时下载图片及分割图 一.存在问题 在cmd终端输入命令python download_archive.py -s时，出现如下问题： 二.解决办法 1、将包含该脚本的文件放到桌面 2、然后在cmd终端输入： cd C:\Users\Administrator\Desktop\程序及软件说明书\ISIC-Downloader 会显示没有tqdm： 3、安装tqdm 输入命令： p
医学图像分割数据集汇总
01-26
### 关于医学图像分割的数据集集合 #### 数据集分类概述 为了更好地理解现有的医学图像分割数据集，可以按照维度将其分为几大类别：2D 图像、2.5D RGB-D（彩色+深度）图像以及3D 图像[^2]。 #### 2D 医学图像分割数据集 这类数据集中包含了大量用于训练和测试算法的二维切片影像资料。常见的例子有： - **LIDC-IDRI**: 提供肺结节CT扫描图片及其标注信息。 - **BraTS (Brain Tumor Segmentation)**: 集成了多模态MRI脑肿瘤成像资源，支持不同类型的病变区域划分研究工作。 - **JSRT (Japanese Society of Radiological Technology)**: 收录胸部X光照片并附带详细的病灶位置标记。 #### 2.5D RGB-D 医学图像分割数据集 此类型增加了额外的一维空间信息——即深度图，有助于更精确地描述物体形状特性。然而，在实际应用中较为少见，因为大多数医疗设备并不直接产出RGB-D形式的结果。尽管如此，某些特定场景下仍能找到适用案例，比如手术导航系统中的器官表面重建等任务。 #### 3D 医学图像分割数据集 三维体素化表示能够更加真实反映人体内部结构情况，因此对于复杂形态目标如心脏、肝脏等部位的研究尤为重要。典型代表如下： - **Medical Decathlon**: 跨越多个解剖部位的大规模公开挑战赛所用到的标准测试集之一，涵盖了多种疾病状态下的高质量标注样本。 - **ACDC (Automatic Cardiac Diagnosis Challenge)**: 致力于推动心血管领域自动化诊断技术进步而设立的比赛平台所提供的专用数据库，内含丰富的左心室动态变化过程记录。 以上各类别均具备像素级别的真值标签，便于研究人员开发新方法时作为金标准来衡量模型表现优劣程度。 ```python import numpy as np from skimage import io def load_3d_image_dataset(path_to_dataset): """ 加载3D医学图像分割数据集 参数: path_to_dataset (str): 数据集路径 返回: tuple: 包含输入图像数组和对应标签数组的元组 """ images = [] labels = [] # 假设文件名为image_*.nii.gz 和 label_*.nii.gz for i in range(1, num_samples + 1): img_path = f"{path_to_dataset}/image_{i}.nii.gz" lbl_path = f"{path_to_dataset}/label_{i}.nii.gz" image = io.imread(img_path) label = io.imread(lbl_path) images.append(image) labels.append(label) return np.array(images), np.array(labels) images, labels = load_3d_image_dataset("/path/to/your/dataset") print(f"Loaded {len(images)} samples.") ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

加勒比海带66

清风徐来，水波不兴。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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