【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（五）

一、KITTI Road

KITTI Road 是道路和车道估计基准，由 289 个训练图像和 290 个测试图像组成。 它包含三种不同类别的道路场景： * uu - 城市无标记 (98/100) * um - 城市标记 (95/96) * umm - 城市多个标记车道 (96/94) * 城市 - 地面以上三种车道的组合 真相是通过图像的手动注释生成的，可用于两种不同的道路地形类型：道路 - 道路区域，即所有车道的组成，车道 - 自我车道，即车辆当前所在的车道 继续行驶（仅适用于类别“um”）。 仅为训练图像提供基本事实。

二、Open Images V4

Open Images V4 提供跨多个维度的大规模：19800 个概念的 3010 万个图像级标签、600 个对象类的 1540 万个边界框以及涉及 57 个类的 375k 视觉关系注释。 特别是对于对象检测，提供的边界框比第二大数据集（190 万张图像上的 1540 万个框）多 15 倍。 这些图像通常显示具有多个对象的复杂场景（平均每张图像 8 个带注释的对象）。 它们之间的视