【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（二）

最新推荐文章于 2024-06-08 17:07:54 发布
最新推荐文章于 2024-06-08 17:07:54 发布
阅读量354 收藏
点赞数
分类专栏： 计算机视觉数据集全部汇总介绍 文章标签： 计算机视觉 人工智能
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/wzk4869/article/details/132789507
版权
本文介绍了计算机视觉领域语义分割常用的十五个数据集，包括PASCAL Context、DAVIS 2017、COCO-Stuff等，涵盖了物体检测、视频分割、3D场景理解等多个应用场景。
摘要由CSDN通过智能技术生成

文章目录

一、PASCAL Context

PASCAL Context 数据集是 PASCAL VOC 2010 检测挑战的扩展，它包含所有训练图像的像素级标签。 它包含 400 多个类（包括原始 20 个类加上 PASCAL VOC 分割的背景），分为三类（对象、东西和混合）。 该数据集的许多对象类别过于稀疏； 因此，通常选择使用 59 个频繁类的子集。

在这里插入图片描述

二、DAVIS 2017

DAVIS17 是用于视频对象分割的数据集。 它总共包含 150 个视频 - 60 个用于训练，30 个用于验证，60 个用于测试

在这里插入图片描述

三、COCO-Stuff (Common Objects in COntext-stuff)

COntext-stuff (COCO-st

了解本专栏 订阅专栏 解锁全文 超级会员免费看
旅途中的宽~
关注
专栏目录
订阅专栏
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（五）
wzk4869的博客
09-10 328
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（五）
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（四）
wzk4869的博客
09-10 692
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（四）
Pytorch下实现Unet对自己多类别数据集的语义分割
01-11
Unet通常应用到单类别的语义分割，经过调整后该代码适合于多类别的语义分割。对应博客：https://blog.csdn.net/brf_UCAS/article/details/112383722
收藏 | 语义分割数据集总结
热门推荐
zandaoguang的博客
05-02 2万+
点上方蓝字视学算法获取更多干货在右上方···设为星标★，与你不见不散仅作分享，不代表本公众号立场，侵权联系删除转载于：IMARS 遥感大数据智能挖掘与分析图片来源于网络语义分割在自...
语义分割常用数据集整理
lipengfei0427的博客
09-18 2万+
语义分割的数据集分为三类：2D图片，2.5D图片（RGB-D），3D图片。每一个类别的数据集都提供了像素级的标签，可以用来评估模型性能。同时其中一部分工作用到了数据增强来增加标签样本的数量。 一、2D数据 1.PASCAL Visual Object Classes（VOC） VOC数据集是计算机视觉主流数据集之一，可以作分类，分割，目标检测，动作检测和人物定位五类任务数据集，其中包含21个类及其标签：车辆，房屋，动物、飞机、自行车、船、公交车、小汽车、摩托车、火车、瓶子、椅子、餐桌、盆栽植物、沙发、
50个热门语义分割数据集免费、高速下载资源分享，涵盖通用视觉、遥感、自动驾驶、医疗等多种场景题
OpenDataLab的博客
11-23 2597
本期将分享50个语义分割任务相关的热门公开数据集资源，快来看看有没有你想要的吧。
【霹雳吧啦】手把手带你入门语义分割1：语义分割的定义 & 常见数据集 & 评价指标 & 标注工具
作者正在煮茶中...
12-05 3843
这篇文章是作者根据 B 站 霹雳吧啦Wz 的《深度学习：语义分割篇章》所作的第一篇学习笔记，文章在简单列举了常见的分割任务后，又大致介绍了语义分割的网络模型、常见数据集格式、所得结果的具体形式、常见评价指标以及常用标注工具。作者小白，请多包涵！
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（三）
wzk4869的博客
09-10 365
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（三）
计算机视觉之语义分割集：斯坦福背景数据集
02-02
斯坦福背景数据集集用于评估几何和语义场景理解的方法。数据集包含从公共数据集中选择的715张图像：LabelMe，MSRC，PASCAL VOC和Geometric Context。选择标准是针对室外场景的图像，该场景具有大约320 x 240像素，...
DAVIS 挑战赛语义分割数据集【语义分割数据集】
专注于AI领域前沿技术学习与分享：目标检测、图像修复、超分重建、AI工程化
10-21 1141
❤️【专栏：数据集整理】❤️ 之【有效拒绝假数据】 ???? Follow me ????，一起学更多有趣 AI、冲冲冲 ???? ???? 文章目录???? DAVIS 挑战赛语义分割数据集【图像分割数据集】???? 数据集下载主页???? 数据集简介???? 下载方式???? 人像分割数据集 ???? DAVIS 挑战赛语义分割数据集【图像分割数据集】 ???? 数据集下载主页 https://davischallenge.org/davis2017/code.html ???? 数
GVB:对抗域适应渐渐消失的代码（CVPR2020）
05-04
GVB 代码发布（CVPR 2020） 数据集 Office-31数据集可在找到。 可以在找到Office-Home数据集。 VisDA 2017年的数据集可以发现在分类的轨道。 要求 该代码是使用Python（3.6）和Pytorch（1.0.0）实现的。 要安装所需的python软件包，请运行 pip install -r requirements.txt 训练 对于GVB-GD和CDAN-GD培训说明在README.md在和分别。 引文 如果您使用此代码进行研究，请考虑引用： @inproceedings{cui2020gvb, title={Gradually Vanishing Bridge for Adversarial Domain Adaptation}, author={Cui, Shuhao and Wang, Shuhui and Zhuo, Jun
davis2017-evaluation:DAVIS挑战中使用的DAVIS 2017半监督和无监督评估框架
05-25
DAVIS 2017半监督和无监督评估包 该软件包用于评估数据集的半监督和无监督视频多对象分割模型。 此工具还用于评估Codalab网站上针对和的提交内容 安装 # Download the code git clone https://github.com/davisvideochallenge/davis2017-evaluation.git && cd davis2017-evaluation # Install it - Python 3.6 or higher required python setup.py install 如果不想每次都指定DAVIS路径，则可以在evaluation_method.py中的变量default_davis_path中修改默认值（以下示例假定您已设置了它）。 否则，您可以指定使用使用标志每个呼叫路径--davis_path /path/to
coco数据集 stuff_annotations_trainval2017.zip 百度云下载
12-10
这是coco数据集中的手工标签数据，具体它与annotations_trainval2017的关系我也不太清楚。还请想清楚后下载
语义分割总结
专注人工智能，主攻CV
05-07 2028
语义分割是一种计算机视觉领域的图像分割技术，旨在将图像中的每个像素分配到其对应的语义类别中。与传统的图像分割技术不同，语义分割旨在对图像进行更精细的划分，以识别出图像中每个像素的语义含义。在语义分割中，每个像素被标记为属于一个预定义的语义类别，例如人、车、路、树等等。与此相比，传统的图像分割方法通常仅仅将图像分成前景和背景两个部分。语义分割可以应用于各种计算机视觉任务，如自动驾驶、目标检测、图像分析和医学图像分析等，常用的网络架构包括全卷积网络（FCN）、U-Net和SegNet等。
数据集说明：COCO的两个数据集COCO-stuff和COCO-Caption
计算机视觉
12-27 4148
的379249个字幕，包括MS COCO c5的179189个字幕和MS COCO c40的200060个字幕。语义类可以是事物（具有明确定义的形状的对象，例如汽车、人）或事物（无定形背景区域，例如草地、天空）。对于每个测试图像，我们收集了一个额外的字幕来计算人类表现的分数，以比较机器生成的字幕的分数。（a） 物质和事物类在其表面覆盖方面的重要性，以及它们在图像字幕中被提及的频率；（b） 东西之间的空间关系，突出丰富的上下文关系，使我们的数据集独一无二；对于培训和验证图像，将提供五个独立的人工生成字幕。
Pascal Context数据集安装的总结（语义分割）
xd1723138323的博客
09-22 2326
1.首先利用Anaconda创建一个Pascal context的python环境pcontext 2.下载文件api接口（https://github.com/ccvl/detail-api） 3在pcontext环境中安装这个接口，进入到setup.py文件目录，具体命令如下 python setup.py build_ext --inplace python setup.py install 如果提示Cython没有装，就先安装Cython. conda intall Cython
迁移学习（一）：相关数据集介绍
caoyunbo0417的专栏
11-08 4015
https://github.com/jindongwang/transferlearning/blob/master/data/dataset.md 迁移学习常用的数据集 数据集Office-31，Office+Caltech，VLSC都可以在该项目下找到） 一．Office-31 （Object recognition数据集） 包含了31类的数据，全部是Office的数据，数据来源为A(Amazon), W(Webcam) 和D(DSLR)，BenchMark如下图所示： 二．Of.
图像语义分割：从头开始训练deeplab v2系列之三【pascal-context数据集】
Xmo_jiao的博客
09-17 7295
在之前的博客已经讲过deeplab v2源码解析与基于VOC2012数据集的训练，本博客基于pascal-context数据集进行fine tuning官方源码地址如下：https://bitbucket.org/aquariusjay/deeplab-public-ver2/overview 但是此源码只是为deeplab网络做相应变形的caffe,如果需要fine tuning微调网络，还需
Davis2017数据集指标评估方法-Python Version
最新发布
Peano2050的博客
06-08 1128
DAVIS2017数据集是一个面向视频对象分割（VOS）任务的重要数据集，具有多目标性、丰富性和高质量的特点。相比于DAVIS2016，它拥有更多的视频图片序列和帧数量而Davis2017数据集的评估方法也有两个版本：matlab version和python version。因为matlab version和一样，所以这里只以python version为例。
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

旅途中的宽~

你的鼓励将是我创作的最大动力

¥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