文章列举了一系列常用的人工智能数据集，包括人体检测如PETS和INRIAPerson，姿态识别如FLIC和HumanPoseEvaluator，行为识别如HOLLYWOOD2和UCFSportAction，以及三维重建、手势识别、人群密度和目标追踪的相关数据集。这些数据集广泛用于AI技术的研发和训练。
常用的人体方面的人工智能数据集
| 数据集类别 | 常用数据集 |
|---|---|
| 人体检测数据集 | PETS数据集;INRIA Person 行人数据集;UCF Sport Action运动数据集;UCSDPedestrian行人视频数据集;Tsinghua-Daimler Cyclist 数据集;KMUSPC红外行人检测数据集 |
| 姿态识别数据集 | FLIC影视人体检测数据集;Human Pose Evaluator 人体轮廓识别图像数据集;Bufy Stickmen V3 人体数据集;SBU Kinect Interaction 肢体动作视频数据集;Drive&Act dataset 驾驶姿势数据集;Occlusion-person 3D人体姿态识别数据集;KTH多视图足球运动员数据集 |
| 行为识别数据集 | HOLLYWOOD2行为动作数据集;UCF Sport Action 运动数据集;MuHAVi动作数据集;LSP 人体姿态估计数据集;UCF50ActionRecognition动作视频数据;HMDB动作视频数据集;UCF YouTubeAction数据集;human actions动作视频数据集;Space-Time Shapes动作数据集;UT-Interaction动作视频数据集;Microsoft Research Action动作视频数据集;PETS数据集;FineGym数据集;Charades数据集 |
| 人群密度数据集 | UCSD Pedestrian 行人视频数据集;High Density Crowds 人群数据集;PETS数据集;RGBTCrowd Counting数据集 |
| 三维重建数据集 | MPIIHuman Shape人体模型数据集 |
| 手势识别数据集 | Hybrid One-Shot3D Hand Pose 数据集 |
| 目标追踪数据集 | PETS数据集;KMU行人追踪数据集;MOT Challenge 多目标追踪数据集 |
扫一扫
3315
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
