计算机视觉数据集 (5)

请我喝杯咖啡☕

*备忘录：

• 我的帖子解释了 MNIST、EMNIST、QMNIST、ETLCDB、Kuzushiji 和 Moving MNIST。
• 我的帖子解释了 Fashion-MNIST、Caltech 101、Caltech 256、CelebA、CIFAR-10 和 CIFAR-100。
• 我的帖子解释了 Oxford-IIIT Pet、Oxford 102 Flower、Stanford Cars、Places365、Flickr8k 和 Flickr30k。
• 我的帖子解释了 ImageNet、LSUN 和 MS COCO。
• 我的文章解释了图像分类（识别）、对象定位、对象检测和图像分割。
• 我的帖子解释了关键点检测（地标检测）、图像匹配、对象跟踪、立体匹配、视频预测、光流、图像字幕。

(1) PASCAL VOC（模式分析、统计建模和计算学习视觉对象类）（2005）：

• 具有 4、10 或 20 个类别的对象图像和注释，并且有 8 个数据集 VOC2005、VOC2006、VOC2007、VOC2008, VOC2009、VOC2010、VOC2011 和 VOC2012： *备注：
  • VOC2005 有 2,232 个图像和注释（一些用于训练，一些用于验证，一些用于测试），分为 4 个类别。
  • VOC2006 有 5,304 个图像和注释（1,277 个用于训练，1,341 个用于验证，2,686 个用于测试），共 10 个类别。
  • VOC2007 有 9,963 个图像和注释（2,501 个用于训练，2,510 个用于验证，4,952 个用于测试），共 20 个类别。
  • VOC2008 有 5,096 个图像和注释（2,111 个用于训练，2,221 个用于验证，764 个作为额外），有 20 个类别。 *里面有4,133张测试图片，忽略它们。
  • VOC2009 有 7,818 个图像和注释（3,473 个用于训练，3,581 个用于验证，764 个作为额外），有 20 个类别。
  • VOC2010 有 11,321 个图像和注释（4,998 个用于训练，5,105 个用于验证，1,218 个作为额外），有 20 个类别。
  • VOC2011 有 14,961 个图像和注释（5,717 个用于训练，5,823 个用于验证，3,421 个额外），有 20 个类别。
  • VOC2012 有 17,125 个图像和注释（5,717 个用于训练，5,823 个用于验证，5,585 个作为额外），有 20 个类别。
• 是 PyTorch 中的 VOCSegmentation() 和 VOCDetection()。

(2) SUN 数据库(场景理解数据库)(2010):

• 有 108,754 个场景图像，397 个类别。
• 也称为SUN397。
• 是 PyTorch 中的 SUN397()。

(3) 动力学数据集(2017):

• 有人类动作短片，有3个数据集Kinetics-400、Kinetics-600和Kinetics-700： *备注：
  • 每个视频片段持续约10秒。
  • Kinetics-400(2017) 有 306,245 个视频剪辑，每个视频剪辑都连接到来自 400 个类别的标签。
  • Kinetics-600(2018) 有 495,547 个视频剪辑，每个视频剪辑都连接到来自 600 个类别的标签。
  • Kinetics-700(2019) 有 545,317 个视频剪辑，每个视频剪辑都连接到来自 700 个类别的标签。
• 用于视频分类。
• 是 PyTorch 中的 Kinetics()。

（4）城市景观（2016）：

• 拥有 25,000 张带注释的语义理解城市街景图像，分为 8 个类别 30 个类别。 *5,000 张图像进行精细标注，20,000 张图像进行粗标注。
• 用于图像分割。
• 是 PyTorch 中的 Cityscapes()。 *如何设置数据集没有解释。

精细注释的图像：

粗略注释的图像：

以上是计算机视觉数据集 (5)的详细内容。更多信息请关注PHP中文网其他相关文章！