深度学习和目标检测系列教程 3-300:了解常见的目标检测的开源数据集
@Author:Runsen
计算机视觉中具有挑战性的主题之一,对象检测,可帮助组织借助数字图片作为输入来理解和识别实时对象。大量的论文基于常见的目标检测的开源数据集而来,因此需要了解常见的目标检测的开源数据集
- https://public.roboflow.com/object-detection
CIFAR-10
CIFAR-10 是一个综合数据集,由 10 个不同类别的 60,000 张彩色图像组成。该数据集包含 10,000 张测试图像和 50,000 张训练图像,分为五个训练组。
点击下面链接了解有关数据集的更多信息 和CIFAR-10/100和 ImageNet 与 PyTorch分类的链接。
- http://www.cs.toronto.edu/~kriz/cifar.html
- https://github.com/bearpaw/pytorch-classification
COCO
MS COCO 是一个大规模对象检测数据集,它解决了场景识别中的三个核心分析问题。检测对象的非标志性场景(或非规范视角)、对象内的上下文推理以及对象的准确 2D 定位。
该数据集具有特定特征,例如对象分割、情境识别、超像素素材分割、150 万个对象实例、80 个对象类等。
点击下面链接了解有关数据集的更多信息 和教程的链接。
- https://cocodataset.org/#home
- https://cv.gluon.ai/contents.html
LISA 交通标志检测数据集:
LISA 或智能安全汽车交通标志数据集实验室是一组包含美国交通标志的带注释的帧和视频。该数据集包括从不同相机收集的图像、47 种美国标志类型以及 6610 个边界上的 7855 个注释。LISA 分两个阶段发布,即一个有照片,一个有视频和图片。
点击下面链接了解有关数据集的更多信息 和Kaggle 上 LISA 交通标志检测代码讨论的链接。
- http://cvrr.ucsd.edu/LISA/lisa-traffic-sign-dataset.html
- https://www.kaggle.com/mbornoe/lisa-traffic-light-dataset/code
Open Image
Open Image 是一个包含大约 900 万张图片的数据集,这些图片带有图像级标签、对象边界框、对象分割掩码、视觉关系和本地化叙述。
该数据集包括 1600 万个边界框,用于 190 万张图像上的 600 种对象类型,使其成为当前最重要的具有对象位置注释的数据集。这些框基本上是由专家注释者手动勾画的,以确保效率和一致性。
Open Images 还授予视觉关系注释,指示相关关系中的对象对、对象属性和人类活动。
点击下面链接了解有关数据集的更多信息 和基于Google Open Images 数据集的自定义子集构建卷积神经网络机器学习分类器。
- https://storage.googleapis.com/openimages/web/factsfigures.html
- https://github.com/quiltdata/open-images
ExDark
Exclusively Dark (ExDARK) 是一个独特的低光图像数据集,它提供了一组主要的图像,用于对低光分析工作进行基准测试,并将相互不同的专业领域集中在低光条件下,例如,图像理解、图像增强,物体检测等。
该数据集是 7,363 张低光照片的组合,从极低光条件到黄昏(即十个不同状态),12 个对象类别(与 PASCAL VOC 相关)在图像分类级别和局部目标是边界框上进行注释。
点击下面链接了解有关数据集的更多信息 和使用 TensorFlow 的对象检测 API 实现了 Faster R-CNN 模型,以识别从 ExDark 数据集获取的图像中的对象
- https://github.com/cs-chan/Exclusively-Dark-Image-Dataset
- https://github.com/hmshreyas7/low-light-detection
DOTA
DOTA 是用于航空视觉中物体检测的海量数据集。可以练习开发和估计航拍照片中的物体检测器。图片是从各种传感器和阶段收集的。每张印刷品的尺寸从 800 × 800 到 20,000 × 20,000 像素不等,包括呈现各种比例、方向和图案的对象。
点击下面链接了解有关数据集的更多信息 和在 DOTA 上训练的模型代码库的链接。
- https://hyper.ai/datasets/4920
BDD100K
BDD100K 是独立多任务学习的驱动数据集。该数据集包含 10 个任务和 10 万个视频,用于估计自动驾驶图像识别算法的进展。
该数据集上的功能包括多目标分割跟踪、图像标记、道路目标检测、语义分割、车道检测、可行驶区域分割、实例分割、多目标检测跟踪、域采用和模仿训练。
点击下面链接了解有关数据集的更多信息通过提出FCN+LSTM 模型
- https://github.com/bdd100k/bdd100k
- https://github.com/gy20073/BDD_Driving_Model
VOC
PASCAL VOC为图像识别和分类提供了一整套标准化的优秀的数据集,这是一个监督学习的问题,训练集以带标签的图片的形式给出。这些物体包括20类
Pascal VOC网址:
http://host.robots.ox.ac.uk/pascal/VOC/
查看各位大牛算法的排名的Leaderboards:http://host.robots.ox.ac.uk:8080/leaderboard/main_bootstrap.php
训练/验证数据集下载(2G):host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar
ImageNet
ImageNet是一个计算机视觉系统识别项目,是目前世界上图像识别最大的数据库。
大约1500万张图片,2.2万类,每张都经过严格的人工筛选与标记。ImageNet类似于图片所有引擎。
其中,包括边界框的目标检测数据集,训练数据集包括500,000张图片,属于200类物体。
ImageNet数据集介绍以及下载链接:
http://www.image-net.org/
深度学习和目标检测系列教程 3-300:了解常见的目标检测的开源数据集相关推荐
- 深度学习和目标检测系列教程 17-300: 3 个类别面罩检测类别数据集训练yolov5s模型
@Author:Runsen YOLO 是目前最火爆的的计算机视觉算法之一,今天使用的数据集来源:https://www.kaggle.com/andrewmvd/face-mask-detectio ...
- wandb(wb)(weights and biases): 深度学习轻量级可视化工具入门教程
参考文章:wandb: 深度学习轻量级可视化工具入门教程 这wandb有点蛋疼啊,说登录https://wandb.ai/authorize?signup=true获取API KEY,但貌似要梯子才能 ...
- wandb: 深度学习轻量级可视化工具入门教程
本文,就来给大家介绍一款新型的机器学习可视化工具,能够让人工智能研发过程变得更加简单明了. wandb: 深度学习轻量级可视化工具入门教程 引言 wandb 验证数据可视化 自然语言处理 重要工具 极 ...
- 视频教程-深度学习与PyTorch入门实战教程-深度学习
深度学习与PyTorch入门实战教程 新加坡国立大学研究员 龙良曲 ¥399.00 立即订阅 扫码下载「CSDN程序员学院APP」,1000+技术好课免费看 APP订阅课程,领取优惠,最少立减5元 ↓ ...
- 机器学习深度学习高阶内容系列-kaggle广告点击欺诈识别实战
机器学习深度学习高阶内容系列-kaggle广告点击欺诈识别实战 中国是全球最大的智能移动设备市场,每月有超过10亿台智能移动设备投入使用 .TalkingData是中国最大的独立大数据服务平台,覆盖全 ...
- 花书+吴恩达深度学习(十九)构建模型策略(训练模型顺序、偏差方差、数据集划分、数据不匹配)
目录 0. 前言 1. 调试模型顺序 2. 偏差方差的解决方法 3. 数据集的选取划分 4. 数据不匹配问题 5. 评估指标的选取 6. 贝叶斯最佳误差 如果这篇文章对你有一点小小的帮助,请给个关注, ...
- 深度学习和目标检测系列教程 2-300:小试牛刀,使用 ImageAI 进行对象检测
@Author:Runsen 对象检测是一种属于更广泛的计算机视觉领域的技术.它处理识别和跟踪图像和视频中存在的对象.目标检测有多种应用,如人脸检测.车辆检测.行人计数.自动驾驶汽车.安全系统等.Im ...
- 深度学习和目标检测系列教程 1-300:什么是对象检测和常见的8 种基础目标检测算法
@Author:Runsen 由于毕业入了CV的坑,在内卷的条件下,我只好把别人卷走. 对象检测 对象检测是一种计算机视觉技术,用于定位图像或视频中的对象实例.对象检测算法通常利用机器学习或深度学习来 ...
- 深度学习和目标检测系列教程 22-300:关于人体姿态常见的估计方法
@Author:Runsen 姿态估计是计算机视觉中的一项流行任务,比如真实的场景如何进行人体跌倒检测,如何对手语进行交流. 作为人工智能(AI)的一个领域,计算机视觉使机器能够以模仿人类视觉为目的来 ...
最新文章
- struts2和servlet同时用(访问servlet时被struts2过滤器拦截问题的解决)
- 一口气发布1008种机器翻译模型,GitHub最火NLP项目大更新:涵盖140种语言组合
- 写给互联网产品人的进阶感言
- 微软推出Windows XP SP3中文版
- python3 连接数据库
- @Conditional进行条件判断等
- 渗透攻击exp共享站点
- 四部门联合约谈蚂蚁集团有关人员;苹果11月11日再开发布会;树莓派 400 发布|极客头条
- scala代码示例_Scala异常处理示例
- NHibernate从入门到精通系列(3)——第一个NHibernate应用程序
- 7-16 装箱问题 (20 分)
- 洛谷 3951 小凯的疑惑
- 手机在线编程软件Anycodes
- 【驱动】DM9000网卡驱动分析
- python调用qq互联_Django增加QQ第三方登录
- javascript系列-class6.String类型
- java 带t日期格式转换_自我整理:java 日期转换
- (附源码)springboot物联网智能管理平台 毕业设计 211120
- 认养农业菜园认租如何助力农业发展?
- ZONe Energy Programming Contest E - Sneaking (最短路)