超级会员免费看
本文介绍了计算机视觉领域中语义分割的多个数据集，如SegTHOR，用于胸腔器官分割；3D-FUTURE，包含大量3D家具形状；3RScan，提供了跨多个时间步长的RGB-D扫描等。这些数据集为AI和深度学习在医疗、室内场景理解、农业和遥感等领域的应用提供了宝贵资源。
文章目录
- 一、SegTHOR (Segmentation of THoracic Organs at Risk)
- 二、3D-FUTURE
- 三、3RScan
- 四、CARRADA
- 五、IKEA ASM
- 六、INRIA Aerial Image Labeling
- 七、PST900
- 八、PhraseCut
- 九、SceneNet
- 十、Agriculture-Vision
- 十一、DeepWeeds
- 十二、OCID (Object Clutter Indoor Dataset)
- 十三、SEN12MS
- 十四、DIVA-HisDB
- 十五、ISPRS Vaihingen (2D Semantic Labeling - Vaihingen data)
一、SegTHOR (Segmentation of THoracic Organs at Risk)
SegTHOR（危险胸腔器官分割）是一个专门用于胸腔危险器官 (OAR) 分割的数据集，即肿瘤周围的器官，在放射治疗期间必须避免受到辐射。 在此数据集中，OAR 是心脏、气管、主动脉和食道，它们具有不同的空间和外观特征。 该数据集包括 60 个 3D CT 扫描，分为 40 名患者的训练集和 20 名患者的测试集，其中 OAR 已由经验丰富的放射治疗师手动绘制轮廓。
二、3D-FUTURE
3D-FUTURE（3D FURniture shape with TextURE）是一个 3D 数据集，包含在 5,000 个不同场景中捕获的 20,240 张逼真的合成图像，以及 9,992 个由专业设计师开发的具有高分辨率信息纹理的独特工业 3D CAD 家具形状。
订阅专栏 解锁全文
扫一扫
948
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
