【计算机视觉 | 图像分类】图像分类常用数据集及其介绍（十一）

最新推荐文章于 2024-08-21 18:18:38 发布

旅途中的宽~

最新推荐文章于 2024-08-21 18:18:38 发布

阅读量749

点赞数

分类专栏：图像分类数据集文章标签：计算机视觉分类人工智能

本文链接：https://blog.csdn.net/wzk4869/article/details/133132337

版权

图像分类数据集专栏收录该内容

14 篇文章 17 订阅

订阅专栏

文章目录

一、Sewer-ML

Sewer-ML 是下水道缺陷数据集。它包含 130 万张图像，来自三个丹麦自来水公司九年来收集的 75,618 个视频。所有视频均由持有执照的下水道检查员按照丹麦下水道检查标准 Fotomanualen 进行注释。这会产生一致且可靠的注释，以及总共 17 个带注释的缺陷类别。

在这里插入图片描述

二、AmsterTime (AmsterTime: A Visual Place Recognition Benchmark Dataset for Severe Domain Shift)

AmsterTime 数据集提供了 2,500 张精心策划的图像集合，这些图像与街景中的同一场景与阿姆斯特丹市的历史档案图像数据相匹配。这些图像对使用不同的相机、视点和外观捕捉同一地点。与现有的基准数据集不同，AmsterTime 是直接在 GIS 导航平台（Mapillary）中众包的。反过来，所有匹配对都由人类专家进行验证，以验证正确的匹配并评估人类在视觉位置识别（VPR）任务中的能力，以供进一步参考。

数据集的属性总结如下：

来自阿姆斯特丹城市档案馆的 1200 多张免许可图像，代表了阿姆斯特丹市的城市地点，由许多摄影师在上个世纪拍摄。
所有档案查询均与来自 Mapillary 的街景图像相匹配。
所有匹配均经过建筑历史学家和阿姆斯特丹居民的验证。
图像对是使用不同相机、时滞、结构变化、遮挡、视点、外观和照明捕捉同一地点的档案和街景。
由于扫描的档案和街景图像之间存在显着差异，数据集在查询和图库之间表现出域转移。
在数据集上创建两个子任务：

验证是一个二元分类（辅助）任务，用于检测同一地点的一对档案和街景图像。 AmsterTime 数据集的验证任务将所有众包图像对都标记为正，其中通过随机配对档案和街景图像生成相同数量的负样本，验证任务中总共有 2,462 对。

检索是对应于VPR的主要任务，其中将给定的查询图像与一组图库图像进行匹配。对于检索任务，AmsterTime 数据集提供 1231 个查询图像，其中留一集作为每个查询的图库图像。

在这里插入图片描述

三、Atlas

Atlas是电商服装产品分类的数据集。 Atlas数据集由专注于服装产品的高质量产品分类数据集组成，其中包含服装类别下的186,150张图像，分类中具有3个级别和52个叶节点。

在这里插入图片描述

四、Cross-View Time Dataset

世界的面貌不仅因地而异，而且因时、因月而异。每天都有数十亿张图像捕捉这种复杂的关系，其中许多图像与精确的时间和位置元数据相关。我们建议使用这些图像来构建全球范围内的视觉外观属性动态图。这样的地图可以细粒度地了解任何地理位置和时间的预期外观。我们的方法将密集的俯视图像与位置和时间元数据集成到一个能够映射各种视觉属性的通用框架中。我们方法的一个关键特征是它不需要手动数据注释。我们演示了这种方法如何支持各种应用，包括图像驱动的地图、图像地理定位和元数据验证。