【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（四）

最新推荐文章于 2025-02-16 01:47:23 发布
最新推荐文章于 2025-02-16 01:47:23 发布
阅读量948 收藏 2
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 语义分割
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.youkuaiyun.com/wzk4869/article/details/132789731
版权
本文介绍了计算机视觉领域中语义分割的十五个常用数据集，包括PROMISE12、BraTS 2015、LIP等，涵盖了医学影像、遥感图像、街景解析等多个应用场景，为相关研究和算法训练提供了丰富资源。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

一、PROMISE12

PROMISE12 数据集可用于 MICCAI 2012 前列腺分割挑战。 通过多家 MRI 供应商和扫描协议在不同地点采集了 50 名患有各种疾病的患者的磁共振 (MR) 图像（T2 加权）。

在这里插入图片描述

二、BraTS 2015

BraTS 2015 数据集是脑肿瘤图像分割的数据集。 它由 220 个高级神经胶质瘤 (HGG) 和 54 个低级神经胶质瘤 (LGG) MRI 组成。 四种 MRI 模式为 T1、T1c、T2 和 T2FLAIR。 提供了关于四个肿瘤内类别的分段“基本事实”，即。 水肿、增强肿瘤、非增强肿瘤和坏死。

在这里插入图片描述

三、LIP (Look into Person)

LIP（Look into Person）数据集是一个专注于人的语义理解的大规模数据集。 它包含 50,000 张图像，以及 19 个语义人体部位标签和

了解本专栏 订阅专栏 解锁全文 超级会员免费看
遥感影像公开数据集:spacenet-road
zhaoguanhua的博客
11-30 5733
一、项目介绍 项目主页:spacenet SpaceNet 为开发人员、研究人员和初创公司提供对高质量地理空间数据的访问。在 SpaceNet 之前，计算机视觉研究人员获得免费、精确标记和高分辨率卫星图像的选择很少。 SpaceNet 专注于四个开源关键支柱：数据、挑战、算法和工具。 SpaceNet目前有7个数据集，本文我们介绍第3个道路数据集。 二、数据介绍 数据集:SpaceNet 3: Road Network Detection 地理空间行业的商业化导致收集了大量数据来表征我们不断变化的星球。创新
【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
09-10 478
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（五）
开源框架PointNet 数据集结构——语义分割部分
shaozhenghan的博客
07-17 1万+
要训练自己的数据，需要把自己的数据集做成PontNet所用数据集相似的结构。故记录本文以备忘 1. 论文中的描述 pointnet 应用分为三部分：点云分类（3D Object Classification），点云部分分割（3D Object Part Segmentation），语义分割（Semantic Segmentation in Scenes）。本文只解释语义分割部分的数据集。 论...
语义分割制作自己的voc数据集
计算机视觉算法开发与落地
09-16 3296
1.单文件转换 使用conda安装完后，在conda安装目录下有如下几个可执行程序，使用labelme_json_to_dataset.exe可以转换单个json文件，但不能批量转换。 输入以下命令进行单个文件转换: labelme_json_to_dataset.exe json文件路径 2.批处理程序 在conda安装目录中，进入到如下目录："你的conda安装路径\Lib\site-packages\labelme\cli\"，现将原先的json_to_dataset.py文件备份，将
【语义分割】12个主流算法架构介绍、数据集推荐、总结、挑战和未来发展
最新发布
m0_74823683的博客
02-16 1134
回顾近10年来经典的语义分割模型，无论是基于CNN的架构还是基于Transformer的架构，最核心的理念是“编码-解码”。直观上来讲，就是通过下采样获取特征的潜在表示，再通过上采样从抽象的底层特征表示中恢复目标的细节信息。从交通、医学、遥感、自动驾驶、智能施工管控等领域近些年发表的关于语义分割的论文来看，采用的架构大多是以上所提到的模型的变体，包括但不限于添加各种注意力机制模块、更换主流的特征提取网络backbone、CNN与transformer混合设计、多尺度特征融合。
语义分割与数据集
吴建明wujianming_110117
06-29 2099
语义分割与数据集 Semantic Segmentation and the Dataset 在目标检测问题中，我们只使用矩形边界框来标记和预测图像中的对象。在这一节中，我们将对不同的语义区域进行语义分割。这些语义区域在像素级标记和预测对象。图1显示了一个语义分割的图像，区域标记为“dog”、“cat”和“background”。如您所见，与目标检测相比，语义分割使用像素级边界标记区域，以获得更高的精度。 Fig. 1. Semantically-segmented image, with areas l
语义分割的数据集
热门推荐
蓬莱道人的博客
08-30 2万+
    目前学术界主要有三个benchmark（数据集）用于模型训练和测试。第一个常用的数据集是Pascal VOC系列。这个系列中目前较流行的是VOC2012，Pascal Context等类似的数据集也有用到。第二个常用的数据集是Microsoft COCO。 COCO一共有80个类别，虽然有很详细的像素级别的标注，但是官方没有专门对语义分割的评测。这个数据集主要用于实例级别的分割（Insta...
09.语义分割和数据集
qq_43085008的博客
04-27 1829
语义分割 PDF：part-2_13.pdf (d2l.ai) 视频：46 语义分割和数据集【动手学深度学习v2】_哔哩哔哩_bilibili 语义分割（semantic segmentation）问题重点关注于如何将图像分割成属于不同语义类别的区域。 与目标检测不同，语义分割可以识别并理解图像中每一个像素的内容：其语义区域的标注和预测是像素级的。与目标检测相比，语义分割标注的像素级的边框显然更加精细。 图像分割和实例分割 计算机视觉领域还有2个与语义分割相似的重要问题，即图像分割（image seg
语义分割和数据集
abc1234564546的博客
12-15 318
语义分割和数据集
【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
09-10 522
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（三）
语义分割 实际道路场景 数据集.rar
05-06
对于实际的驾驶交通道路的场景图像采集，亦包括通过语义分割后的图像分割效果，可进行对比分析语义分割图像处理效果。
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（六）
wzk4869的博客
09-11 595
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（六）
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（二）
wzk4869的博客
09-10 540
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（二）
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、
【语义分割】——语义分割数据集总结 ADE20K/cityScapes/VOC12_AUG
怡宝2号
09-08 2万+
链接： ADE20K/ 简介： 图片包含室内和室外数据集，上图是一些例图 特点： 训练集：20210张图片 验证集：200张 共150个类别（但是语义标注的时候，像素点不能全面覆盖，存在偶尔有点漏掉的现象，于是标注的时候会多一个 “0” 类别，不计入loss的计算，但是网络的输出只有150个类别） 语义信息的标注是在一张灰度图像上的，只是各个点的取值范围是(0-150, 0表示背景类，不计入loss计算) 类别文件就不全贴出来了。 background 背景 wall 墙 building 建筑 sk.
语义分割数据集
zhulf0804的博客
02-19 3728
Segmentation Dataset This is only a brief introduction to some semantic segmentation datasets. More detailed information and more semantic segmentation datasets will be updated in the future.(这仅仅是部分语义...
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