【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（五）

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478 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 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/132789852
版权
本文介绍了多个语义分割数据集，包括KITTI Road、Open Images V4、RoadTracer、xBD、LoveDA等，涵盖了道路识别、遥感图像、灾后重建等多个应用场景，对于计算机视觉和语义分割研究极具价值。

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、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。

在这里插入图片描述

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

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【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
09-10 948
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（四）
【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）
KITTI数据集简介与使用
热门推荐
Solomon1558的专栏
04-14 27万+
摘要：本文融合了Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite和Vision meets Robotics: The KITTI Dataset两篇论文的内容，主要介绍KITTI数据集概述，数据采集平台，数据集详细描述，评价准则以及具体使用案例。本文对KITTI数据集提供一个较为详细全面的介绍，重点关注利用K
【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】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。
语义分割和数据集
qq_58317297的博客
07-19 1276
1、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。1、语义分割通过将图像划分为属于不同语义类别的区域，来识别并理解图像中像素级别的内容。1、读取所有VOC图像并标注：因为这个数据集的自己的格式是voc。"""将VOC标签中的RGB值映射到它们的类别索引""""""一个用于加载VOC数据集的自定义数据集""""""构建从RGB到VOC类别索引的映射""""""读取所有VOC图像并标注""""""加载VOC语义分割数据集""""""随机裁剪特征和标签图像"""
【实验】语义分割-数据集
zhe470719的博客
05-21 977
这里写目录标题参考数据集VOC 2012 数据集组件预处理数据总结代码 参考 视频李沐-语义分割和数据集【动手学深度学习v2】 笔记李沐视频-笔记 视频笔记 本文主要讲语义分割的经典数据集——VOC2012，的读取。 一句话概括语义分割：在图片中进行像素级的分类 数据集 最重要的语义分割数据集之一是 Pascal VOC 2012 这个数据集有自己的格式 – VOC格式，它是一个使用非常广泛的格式（VOC、COCO 都是比较有名的数据集） VOC 2012 数据集组件 ImageSets/Segmenta
语义分割的数据集
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...
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...
语义分割数据集详解（PASCAL-VOC2012，Vocbenchmark，Cityscapes）
weixin_47658790的博客
04-18 1179
在语义分割的一些论文中常常会对几个常用的数据集进行验证，以验证算法的优越性，无论是在分割性能还是分割速度上。在一些模型的复现中，由于不同作者的代码风格不同，所有我们有必要根据自己的数据格式进行稍作修改，所以对于数据集的结构了解是必不可少的，下面就几种常用的分割数据集进行解析。 PASCAL-VOC2012 数据集介绍官网：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html VOC2012数据集分为...
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。
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.youkuaiyun.com/brf_UCAS/article/details/112383722
语义分割经典算法(带训练好的模型)下载地址和数据集使用总结
05-09
该资源是一个txt文档，本人研究语义分割算法时，总结了一些经典算法的下载地址，包括数据集使用情况、基于算法训练好的模型(caffemodel)
【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、
无人机图像分类数据集
01-07
### 寻找用于无人机图像分类的数据集 对于无人机图像分类的任务，存在多种公开可用的数据集。这些数据集不仅涵盖了不同的地理区域和环境条件，还提供了丰富的标注信息以支持各种研究工作。 #### UAVid 数据集 UAVid 是一个广泛使用的无人机视频序列数据集，适用于城市场景下的语义分割、目标检测以及图像分类任务。此数据集包含了来自中国南京市区的不同时间段内的航拍视频片段，具有较高的时空分辨率[^1]。 #### Aerial Image Dataset (AID) AID 是另一个重要的航空影像数据集，特别适合于大规模的土地覆盖类型识别实验。它由超过 10,000 张高清晰度的正射投影图片组成，每张照片都带有详细的类别标签，如农田、森林、建筑区等。尽管主要来源于固定翼飞机拍摄，但对于无人机应用同样具备参考价值。 #### ISPRS Potsdam 和 Vaihingen 数据集 这两个数据集是由国际摄影测量与遥感学会(ISPRS)发布的标准测试平台之一，专为评估城市环境中基于光学传感器的目标提取算法而设计。它们分别位于德国波茨坦市和弗莱堡附近的瓦伊辛根镇，拥有亚米级的空间分辨率，并配有精确的地物真值矢量文件，便于开展深入的研究分析。 为了方便获取上述提到的一个或多个数据集，通常可以通过访问各项目官方网站或者联系维护团队申请下载权限。部分资源可能需要注册账号并同意特定条款后才能获得完整的使用权。 ```python import requests def download_dataset(url, destination_folder): response = requests.get(url) if response.status_code == 200: with open(destination_folder + '/dataset.zip', 'wb') as file: file.write(response.content) print("Download completed.") else: print(f"Failed to download dataset from {url}") # Example usage download_url = "http://example.com/path/to/dataset" destination_path = "./data" download_dataset(download_url, destination_path) ```
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