主頁 >  其他 > 來自不同行業領域的50多個物件檢測資料集

來自不同行業領域的50多個物件檢測資料集

2020-11-08 01:25:09 其他

作者|Abhishek Annamraju
編譯|Flin
來源|medium

計算機視覺是一個快速發展的領域，每天都有大量的新技術和演算法出現在不同的會議和期刊上，說到目標檢測，理論上你會學到很多演算法，比如Faster-rcnn、Mask rcnn、Yolo、SSD、Retinenet、級聯rcnn、Peleenet、EfficientDet、CornerNet…，這張演算法清單是永遠列不完的！

通過將其應用到不同的資料集來鞏固你的學習經驗總是有益的！！！

這樣一來，你往往會更好地理解演算法，并且可以直觀了解哪些演算法可以在哪種資料集上運行，

我們在Monk Computer Vision Org的開源團隊編制了一個物件檢測，影像分割和動作識別資料集的串列，并針對每個物件創建了簡短的教程，供你使用這些資料集并嘗試不同的物件檢測演算法

下面提到的是物件檢測資料集的簡短串列，有關它們的簡短詳細資訊以及使用它們的步驟，資料集來自以下領域：

★農業
★高級駕駛員輔助和自動駕駛汽車系統
★時尚，零售和營銷
★野生動物
★體育
★衛星成像
★醫學成像
★安全和監視
★水下成像

….. 以及更多！！！！！

完整串列可在github上找到相關的使用說明和訓練代碼

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/tree/master/application_model_zoo

與農業有關的資料集

A）Winegrape檢測資料集

  • https://github.com/thsant/wgisd

*目標：檢測葡萄園中的葡萄簇

*應用：監測生長并分析產量

*詳細資訊：300幅影像，帶有5個葡萄類別的4400個邊界框

*如何利用資料集并使用YoloV3管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Wine Grape Instance Detection Dataset.ipynb

B）全球小麥檢測資料集

  • https://www.kaggle.com/c/global-wheat-detection/data

*目標：檢測田間的小麥作物

*應用：監測生長并分析產量

*詳細資訊：帶有100K +批注的3430影像

*如何利用資料集并使用EfficientDet-D4管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Global Wheat Detection Kaggle (Starter Code) .ipynb

先進的駕駛員輔助和自動駕駛汽車系統相關資料集

A）LISA交通標志檢測資料集

  • http://cvrr.ucsd.edu/LISA/lisa-traffic-sign-dataset.html

*目標：用于檢測和分類行車記錄儀影像中的交通標志

*應用：交通標志識別是自動駕駛的規則設定程式

*詳細資訊：在47種美國標志型別上的6610幀上有7855個注釋

*如何利用資料集并建立自定義使用EfficientDet-D3管線的探測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/example_zoo/Example - LISA Traffic Sign Recognition (Multi-GPU).ipynb

*此存盤庫又多了一個資料集

  • LISA車輛檢測資料
    • http://cvrr.ucsd.edu/LISA/vehicledetection.html

B）低光照條件下的物體檢測

  • https://github.com/cs-chan/Exclusively-Dark-Image-Dataset

*目標：在低光照條件下檢測道路上的物體——霧，霧霾，下雨等

*應用：這是自動駕駛汽車中的重要組成部分，因為它能夠檢測物體，因此在不利條件下屬于更安全的車輛

*細節：在12種不同物件型別上的7500幀上的15K +注釋

*如何利用資料集和使用EfficientDet-D3管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/example_zoo/Example - Object Detection in low lighting conditions.ipynb

C）LARA交通燈檢測資料集

  • http://www.lara.prd.fr/benchmarks/trafficlightsrecognition

*目標：檢測交通信號燈并將其分類為紅色，綠色和黃色

*應用程式：可以為道路網路交叉口的adas和自動駕駛汽車系統設定規則

*詳細資訊：三種交通型別的11K幀和20K +注釋燈光

*如何利用資料集并建立使用Mmdet-Faster-Rcnn-fpn50管道自定義檢測

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Lara Traffic Lights Detection Dataset.ipynb

D）使用紅外影像進行人檢測

  • https://camel.ece.gatech.edu/

*目標：用于檢測紅外影像中的人

*應用：自動駕駛汽車配備了紅外攝像頭以檢測惡劣條件下的物體

*詳細資訊：30個帶有1K +注釋的視頻序列

*如何利用資料集并使用Mx-Rcnn管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - person detection in infrared images.ipynb

E）坑洼檢測資料集

  • https://www.kaggle.com/chitholian/annotated-potholes-dataset

*目標：從道路影像中檢測坑洼

*應用：檢測道路地形和坑洼可實作平穩行駛，

*詳細資訊： 700個在坑洼處帶有3K +注釋的影像

*如何利用資料集和使用M-Rcnn管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Pothole detection on roads.ipynb

F）Nexet車輛檢測資料集

  • https://www.kaggle.com/solesensei/nexet-original

*目標：檢測車輛的道路影像

*應用：檢測車輛是自動駕駛的主要組成部分

*詳細資訊：7000種影像，在6種型別的車輛上具有15K +注釋

*如何利用資料集并使用Tensorflow Object Detection構建自定義檢測器API

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Nexet Dataset Vehicle Detection.ipynb

G）BDD100K Adas資料集

  • https://www.kaggle.com/solesensei/solesensei_bdd100k

*目標：檢測道路上的物體

*應用：檢測車輛，交通標志和人是自動駕駛的主要組成部分

*詳細資訊：100K影像，對10種型別的物件提供250K +注釋

*如何利用資料集并建立自定義使用Tensorflow物件檢測API的檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - BDD100K dataset with TensorRT optimization.ipynb

H）Linkopings交通標志資料集

  • http://www.cvl.isy.liu.se/research/datasets/traffic-signs-dataset/

*目標：檢測影像中的交通標志

*應用：檢測交通標志是了解交通規則的第一步

*詳細資訊：3K影像，對40多種型別的交通標志提供5K +注釋

**如何利用資料集并使用Mmdet-Cascade Mask-Rcnn構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Linkopings Traffic Sign Dataset.ipynb

時尚、零售和營銷相關資料集

A）廣告牌檢測（二次采樣OpenImages資料集）資料集

  • https://storage.googleapis.com/openimages/web/index.html

*目標：檢測影像中的廣告牌

*應用程式：檢測廣告牌是自動分析整個城市營銷活動的關鍵部分

*詳細資訊：2K影像，廣告牌上帶有5K +注釋

*如何利用資料集并使用Retinanet構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Billboard (Hoarding detection).ipynb

B）DeepFashion2時尚元素檢測資料集

  • https://github.com/switchablenorms/DeepFashion2

*目標：檢測影像中的時尚產品，服裝和配飾

*應用程式：應用程式時尚檢測有著從資料排序到推薦引擎的巨大應用

*詳細資訊：490K影像，帶有約100個注釋物件類

*如何利用資料集并建立自定義CornetNet-Lite管道檢測儀

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Fashion detector on DeepFashion2 Dataset.ipynb

*另一個與時尚相關的資料集是淘寶商品資料集

  • http://www.sysu-hcp.net/taobao-commodity-dataset/

C）Qmul-OpenLogo徽標檢測資料集

  • https://qmul-openlogo.github.io/

*目標：檢測自然影像中的不同徽標

*應用：分析視頻和自然場景中徽標出現的頻率對營銷至關重要

*詳細資訊：16K訓練圖片，包括各種品牌的標識——食品、車輛、連鎖餐廳、送貨服務、航空公司等

*如何利用資料集并使用mx-rcnn管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - logo detection.ipynb

與體育相關的資料集

A）足球檢測資料集（從OpenImages資料集進行二次采樣）

  • https://storage.googleapis.com/openimages/web/index.html

*目標：在視頻中跨幀檢測足球

*應用：檢測足球位置在越位等自動分析情況中至關重要

*詳細資訊：約3K訓練影像，

*如何利用資料集并使用yolo-v3管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - FootBall detection.ipynb

B）撲克牌型別檢測

  • https://www.kaggle.com/luantm/playing-card

*目標：檢測自然影像中的紙牌并分類紙牌型別

*應用：可能的應用是分析不同紙牌游戲的獲勝幾率

*詳細資訊：52種紙牌型別中500張以上的影像

*如何利用資料集并建立自定義使用mx-rcnn管道的檢測器

  • https://www.kaggle.com/luantm/playing-card

C）熱影像中的足球運動員檢測

  • https://www.kaggle.com/aalborguniversity/thermal-soccer-dataset

*目標：使用熱影像定位和跟蹤玩家

*應用：跟蹤游戲中的玩家是生成分析的關鍵部分

*詳細資訊：超過5K +注釋的3K +影像，

*如何利用資料集和使用mmdet quick-rcnn管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Thermal Soccer - (Player Detection).ipynb

與安全和監視相關的資料集

A）CCTV交通攝像頭中的MIO-TCD車輛檢測

*目標：檢測閉路電視攝像機中的車輛

*應用：檢測閉路電視攝像機中的車輛是安全監控應用中的關鍵部分

*詳細資訊：113K影像，在5種以上型別的車輛上具有200K +注釋

*如何利用資料集并使用Mmdet-Retinanet管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - MIO-TCD Vehicle Localization Dataset.ipynb

B）WIDER人員檢測資料集

  • https://wider-challenge.org/2019.html

*目標：在閉路電視和自然場景影像和視頻中檢測人員

*應用：基于CCTV的人員檢測構成安全和監視應用程式的核心

*詳細資訊：10K +影像以及20K +注釋可檢測行人

*如何利用資料集并建立自定義使用Cornernet-Lite管道的探測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Fashion detector on DeepFashion2 Dataset.ipynb

C）防護裝備-頭盔和背心檢測

  • https://github.com/ciber-lab/pictor-ppe

*目標：檢測人員的頭盔和背心

*應用：這是安全合規性監視中不可或缺的一部分

*詳細資訊：1.5K +影像以及2K +注釋可檢測人員，頭盔和背心

*如何利用資料集和構建自定義檢測器使用Mmdet — Cascade RPN

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Protective gear - helmet and vest detection.ipynb

D）視頻中的例外檢測

  • https://www.crcv.ucf.edu/projects/real-world/

*目標：根據視頻中執行的操作對視頻進行分類

*應用：實時檢測例外有助于阻止犯罪

*詳細資訊：對應于10個例外類別的1K +視頻，

*如何利用資料集和使用mmaction-tsn50管道構建自定義分類器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - UCF101 Action Recognition.ipynb

醫學影像資料集

A）超聲臂叢神經（BP）神經分割資料集

  • https://www.kaggle.com/c/ultrasound-nerve-segmentation/data

*目標：在超聲影像中分割某些神經型別

*應用：通過使用可阻塞或減輕源頭疼痛的留置導管，有助于改善疼痛管理，

*詳細資訊： 11K +影像以及相關的實體蒙版，用于檢測神經

*如何利用資料集并構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Ultrasound nerve segmentation.ipynb

B）細胞中的PanNuke癌癥實體分割

  • https://www.kaggle.com/andrewmvd/cancer-inst-segmentation-and-classification

*目標：在幻燈片影像中分割不同的細胞型別

*應用程式：自動分析兆位元組資料中癌細胞和死細胞的存在

*詳細資訊：3K+影像，帶有用于檢測不同單元型別的關聯實體掩碼

*如何利用資料集和構建定制檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - PanNuke Dataset CellType Instance Segmentation.ipynb

衛星成像資料集

A）衛星影像中的道路分割

  • https://www.kaggle.com/insaff/massachusetts-roads-dataset

*目標：在衛星影像中分割道路線

*應用：幫助城市規劃和道路監控

*詳細資訊：1K +影像和相關實體遮罩可檢測不同的道路區域

*如何利用資料集并構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Road segmentation on Satellite Imageset.ipynb

B）在合成生成的月球影像中的可穿越區域分割

  • https://www.kaggle.com/romainpessia/artificial-lunar-rocky-landscape-dataset

*目標：分割巖石并在月球影像中找到可穿越的區域

*應用：自主漫游車路徑規劃中的基本元素

*詳細資訊：帶有相關實體蒙版的10K +影像以檢測不同的巖石和平坦的地面

*如何利用資料集并構建定制檢測器

C）衛星影像中的汽車和游泳池檢測

  • https://www.kaggle.com/kbhartiya83/swimming-pool-and-car-detection

*目標：在衛星影像中檢測車輛和游泳池

*應用：這是財產稅估算中的關鍵部分

*詳細資訊：3.5K+圖片，汽車和游泳池上有5K+注釋標簽

*如何利用資料集并使用cornernet lite管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Car and Pool Detection.ipynb

D）航空影像中的道路和居民區分割

  • https://www.kaggle.com/cceekkigg/berlin-aoi-dataset

*目標：在衛星影像中分割道路和居民區

*應用：這是財產稅估算中的關鍵部分

*詳細資訊：帶有分割蒙版的100幅超高解析度影像

*如何利用資料集和構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - CitySeg Dataset Road and Houses Segmentation.ipynb

*另一個類似的道路分割資料集和相關的訓練代碼

  • 資料集：https://www.kaggle.com/srikaranand/road-segmentation-dataset
  • 訓練代碼：https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Road Segmentation in Satellite Images - 2.ipynb

E）衛星影像中的水體分割

  • https://www.kaggle.com/franciscoescobar/satellite-images-of-water-bodies

*目標：在衛星影像中分割水體

*應用：了解水體如何隨時間變化和演變非常重要

-帶有分割蒙版的100幅超高解析度影像

*如何利用資料集并構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Water Body Segmentation.ipynb

*另一個此類資料集是DeepGlobe土地覆寫分類及其相關的使用準則

  • 資料集：https://competitions.codalab.org/competitions/18468#participate-get_starting_kit
  • 相關使用準則：https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - DeepGlobe Land Cover Classification.ipynb

野生動物相關資料集

A）老虎檢測資料集（從OpenImages采樣）

  • https://storage.googleapis.com/openimages/web/index.html

*目標：檢測自然和無人機影像中的老虎

*應用：監視瀕臨滅絕的物種

*詳細資訊：帶有4k +注釋的2K +影像，

*如何利用資料集和使用Cornernet-lite管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Tiger detection using Cornernet-Saccade (No Val Dataset).ipynb

*另外一個這樣的資料集可以是猴子檢測資料集及其相關的教程

  • 猴子檢測資料集：https://storage.googleapis.com/openimages/web/index.html
  • 相關的教程：https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Monkey detection in the wild.ipynb

B）斑馬和長頸鹿檢測資料集

  • https://lev.cs.rpi.edu/public/datasets/wild.tar.gz

*目標：檢測自然和無人機影像中的斑馬和長頸鹿物種

*應用：監視瀕危物種

*詳細資訊：帶有5k +注釋的5K +影像，

*如何使用資料集并使用efficiencydet-d3管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Wildlife Localization - (Giraffes%2C Zebras%2C Impalas).ipynb

C）加州理工學院相機陷阱資料集

  • https://beerys.github.io/CaltechCameraTraps/

*目標：檢測陷阱照相機型別影像中的動物

*應用：監視瀕臨滅絕的物種

*詳細資訊：帶有8k +注釋的10K +影像，

*如何利用資料集并使用Retinanet管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Caltech cameratrap ECCV animal detection.ipynb

*另外一個這樣的相機資料集和相關的訓練代碼

  • 資料集：https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Cameratrap Animals Detection - 1.ipynb
  • 訓練代碼：https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Cameratrap Animals Detection - 1.ipynb

D）大象檢測資料集（從COCO資料集中采樣）

  • https://cocodataset.org/#download

*目標：檢測自然和無人機影像中的大象種類

*應用：監視瀕臨滅絕的物種

*詳細資訊：帶有5k +注釋的5K +影像，

*如何利用資料集并使用mmdet-maskrcnn構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Elephant segmentation in the wild.ipynb

水下資料集

A）在野外發現海龜

  • https://lev.cs.rpi.edu/public/datasets/wild.tar.gz

*目標：檢測水下影像中的海龜

*應用：監視瀕危物種

*詳細資訊：帶有5k +注釋的5K +影像，

*如何利用資料集并使用有效資料量構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Wildlife Localization - (Extended version with sea turtles).ipynb

*類似的資料集，可監控水下魚類

  • http://groups.inf.ed.ac.uk/f4k/GROUNDTRUTH/RECOG/

相關代碼

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Underwater Fish Segmentation.ipynb

B）水下垃圾檢測資料集

  • https://conservancy.umn.edu/handle/11299/214366

*目標：檢測海洋垃圾

*應用：監視和控制海洋垃圾問題

*詳細資訊：帶有5k +注釋的2K +影像，

*如何利用資料集并使用有效資料量構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Underwater Trash Detection.ipynb

*更復雜的基于像素的垃圾分類資料集和相關代碼

  • 垃圾分類資料集：https://conservancy.umn.edu/handle/11299/214865
  • 相關代碼：https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - SUIM Dataset Underwater Object Segmentation.ipynb

C）SUIM水下物體檢測資料集

  • http://irvlab.cs.umn.edu/resources/suim-dataset

*目標：分割水下物體

*應用：自主水下航行器的路徑規劃，跟蹤潛水員和監視海洋物種

*詳細資訊：1.5K +影像和1.5k +注釋蒙版，

*如何利用資料集并構建自定義檢測器

  • http://irvlab.cs.umn.edu/resources/suim-dataset

D）咸淡的水下魚類識別資料集

  • https://www.kaggle.com/aalborguniversity/brackish-dataset/data

*目標：檢測水下影像中的海洋物種，

*應用程式：監視海洋物種

*詳細資訊：89個視頻以檢測魚類，螃蟹，蝦，水母，海星

*如何利用資料集并使用mmdet構建自定義檢測器——Faster-rcnn管道

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Brackish Water Creatures Identification.ipynb

文本分析相關的資料集

A）檔案布局檢測資料集

  • https://www.primaresearch.org/datasets/Layout_Analysis

*目標：檢測檔案布局以進行進一步分析

*應用：必不可少的將影像分割成不同的部分，以便可以進一步應用基于規則的NLP和文本識別的功能，

*詳細資訊：5K +影像，帶有10k +批注的標簽，如段落，影像，標題，

*如何利用資料集并使用mx-rcnn構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Document Layout Analysis (FasterRCNN).ipynb

*在名為IIIT-AR-13K的檔案中存在用于圖形組件檢測的非常相似的資料集，這是如何利用資料集并在其上訓練模型的方法

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Graphical figures detection in documents.ipynb

B）總文字資料集

  • https://github.com/cs-chan/Total-Text-Dataset

*目標：在自然場景中定位文本

*應用程式：使用OCR識別的基本組件

*詳細資訊：帶有5K +多邊形注釋的1.5K +影像

*如何利用資料集和使用Text-Snake管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Text Localization over Total-Text Dataset.ipynb

C）YY-Mnist簡單OCR資料集

*目標：在白色背景影像中定位數字并將其分類

*應用程式：使用OCR識別的基本組件

*詳細資訊：超過10類的具有2K +批注的1K影像

*如何利用資料集并使用Retinanet管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - OCR over YYMnist Dataset.ipynb

其他資料集

A）TACO垃圾檢測資料集

  • http://tacodataset.org/

*目標–定位和分割影像中的各種垃圾

*應用程式：試圖解決公共場所垃圾問題的自動機器人的關鍵組件

*詳細資訊：包含20種以上不同類別垃圾物件的15K +注釋的10K影像

*如何利用資料集并使用Retinanet管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Trash (Waste) Detection.ipynb

B）室內場景通用物體檢測資料集

  • https://storage.googleapis.com/openimages/web/index.html

*目標：定位和檢測影像中的室內物件

*應用程式：在帶有便利設施的房地產和租賃網站中為影像自動標記

*詳細資訊：超過10種不同類別的室內物件（例如電器，床，窗簾，椅子等)

*如何利用資料集和使用Retinanet管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Indoor Image Object Detection and Tagging.ipynb

C）EgoHands手部分割資料集

  • http://vision.soic.indiana.edu/projects/egohands/

*目標：在自然場景中分割手

*應用：理解手勢的第一步，以及在人機互動，手語識別中的應用

*詳細資訊：4.8K +影像和相應的手罩，

*如何利用資料集和使用Retinanet管道構建自定義檢測器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Hand segmentation (Ego-Hands Dataset).ipynb

D）UCF動作識別資料集

  • https://www.crcv.ucf.edu/data/UCF101.php

*目標：根據視頻中執行的操作對視頻進行分類

*應用：標記視頻對于存盤和檢索大量視頻很重要

*詳細資訊：對應于101種動作類別的1K +視頻，

*如何利用資料集和使用mmaction-tsn50管道構建自定義分類器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - UCF101 Action Recognition.ipynb

E）油罐資料集

  • https://www.kaggle.com/towardsentropy/oil-storage-tanks

*目標：在衛星影像中檢測油罐

*應用：跟蹤油罐

*詳細資訊：具有10K +注釋的10K +影像，

*如何利用資料集并使用Retinanet管道構建自定義分類器

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - Oil Tanks Detection in Satellite Imagery.ipynb

其他動作識別資料集

A）樓梯動作識別資料集以及如何在其上訓練模型

  • 資料集：https://actions.stair.center/videos.html

  • 訓練模型：https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - STAIRS Action Recognition Dataset.ipynb

B）A2D動作識別資料集以及如何在其上訓練模型

  • 資料集：http://web.eecs.umich.edu/~jjcorso/r/a2d/

  • 訓練模型：https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - A2D Action Recognition Dataset.ipynb

C）KTH動作識別資料集以及如何在其上訓練模型

  • 資料集：https://www.csc.kth.se/cvap/actions/

  • 訓練模型：https://github.com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example - KTH Action Recognition Dataset.ipynb

附錄

有關教程的更多詳細資訊，請訪問我們的Github頁面

  • https://github.com/Tessellate-Imaging/Monk_Object_Detection

原文鏈接：https://medium.com/towards-artificial-intelligence/50-object-detection-datasets-from-different-industry-domains-1a53342ae13d

歡迎關注磐創AI博客站：
http://panchuang.net/

sklearn機器學習中文官方檔案：
http://sklearn123.com/

歡迎關注磐創博客資源匯總站：
http://docs.panchuang.net/

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/206076.html

標籤：其他

上一篇：幫忙看看，急

下一篇：面部識別：攻擊型別和反欺騙技術

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C＃(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 網閘典型架構簡述

    網閘架構一般分為兩種：三主機的三系統架構網閘和雙主機的2+1架構網閘。 三主機架構分別為內端機、外端機和仲裁機。三機無論從軟體和硬體上均各自獨立。首先從硬體上來看，三機都用各自獨立的主板、記憶體及存盤設備。從軟體上來看，三機有各自獨立的作業系統。這樣能達到完全的三機獨立。對于“2+1”系統，“2”分為 ......

    uj5u.com 2020-09-10 02:00:44 more
  • 如何從xshell上傳檔案到centos linux虛擬機里

    如何從xshell上傳檔案到centos linux虛擬機里及：虛擬機CentOs下執行 yum -y install lrzsz命令，出現錯誤：鏡像無法找到軟體包 前言 一、安裝lrzsz步驟 二、上傳檔案 三、遇到的問題及解決方案 總結 前言 提示：其實很簡單，往虛擬機上安裝一個上傳檔案的工具 ......

    uj5u.com 2020-09-10 02:00:47 more
  • 一、SQLMAP入門

    一、SQLMAP入門 1、判斷是否存在注入 sqlmap.py -u 網址/id=1 id=1不可缺少。當注入點后面的引數大于兩個時。需要加雙引號， sqlmap.py -u "網址/id=1&uid=1" 2、判斷文本中的請求是否存在注入 從文本中加載http請求，SQLMAP可以從一個文本檔案中 ......

    uj5u.com 2020-09-10 02:00:50 more
  • Metasploit 簡單使用教程

    metasploit 簡單使用教程 浩先生， 2020-08-28 16:18:25 分類專欄： kail 網路安全 linux 文章標簽： linux資訊安全 編輯 著作權 metasploit 使用教程 前言 一、Metasploit是什么？ 二、準備作業 三、具體步驟 前言 Msfconsole ......

    uj5u.com 2020-09-10 02:00:53 more
  • 游戲逆向之驅動層與用戶層通訊

    驅動層代碼： #pragma once #include <ntifs.h> #define add_code CTL_CODE(FILE_DEVICE_UNKNOWN,0x800,METHOD_BUFFERED,FILE_ANY_ACCESS) /* 更多游戲逆向視頻www.yxfzedu.com ......

    uj5u.com 2020-09-10 02:00:56 more
  • 北斗電力時鐘（北斗授時服務器）讓網路資料更精準

    北斗電力時鐘（北斗授時服務器）讓網路資料更精準 北斗電力時鐘（北斗授時服務器）讓網路資料更精準 京準電子科技官微——ahjzsz 近幾年，資訊技術的得了快速發展，互聯網在逐漸普及，其在人們生活和生產中都得到了廣泛應用，并且取得了不錯的應用效果。計算機網路資訊在電力系統中的應用，一方面使電力系統的運行 ......

    uj5u.com 2020-09-10 02:01:03 more
  • 【CTF】CTFHub 技能樹 彩蛋 writeup

    ?碎碎念 CTFHub：https://www.ctfhub.com/ 筆者入門CTF時時剛開始刷的是bugku的舊平臺，后來才有了CTFHub。 感覺不論是網頁UI設計，還是題目質量，賽事跟蹤，工具軟體都做得很不錯。 而且因為獨到的金幣制度的確讓人有一種想去刷題賺金幣的感覺。 個人還是非常喜歡這個 ......

    uj5u.com 2020-09-10 02:04:05 more
  • 02windows基礎操作

    我學到了一下幾點 Windows系統目錄結構與滲透的作用 常見Windows的服務詳解 Windows埠詳解 常用的Windows注冊表詳解 hacker DOS命令詳解（net user / type /md /rd/ dir /cd /net use copy、批處理 等） 利用dos命令制作 ......

    uj5u.com 2020-09-10 02:04:18 more
  • 03.Linux基礎操作

    我學到了以下幾點 01Linux系統介紹02系統安裝，密碼啊破解03Linux常用命令04LAMP 01LINUX windows： win03 8 12 16 19 配置不繁瑣 Linux：redhat,centos(紅帽社區版)，Ubuntu server,suse unix:金融機構，證券，銀 ......

    uj5u.com 2020-09-10 02:04:30 more
  • 05HTML

    01HTML介紹 02頭部標簽講解03基礎標簽講解04表單標簽講解 HTML前段語言 js1.了解代碼2.根據代碼 懂得挖掘漏洞 （POST注入/XSS漏洞上傳）3.黑帽seo 白帽seo 客戶網站被黑帽植入劫持代碼如何處理4.熟悉html表單 <html><head><title>TDK標題，描述 ......

    uj5u.com 2020-09-10 02:04:36 more
最新发布
  • 2023年最新微信小程式抓包教程

    01 開門見山 隔一個月發一篇文章，不過分。 首先回顧一下《微信系結手機號資料庫被脫庫事件》，我也是第一時間得知了這個訊息，然后跟蹤了整件事情的經過。下面是這起事件的相關截圖以及近日流出的一萬條資料樣本： 個人認為這件事也沒什么，還不如關注一下之前45億快遞資料查詢渠道疑似在近日復活的訊息。 訊息是 ......

    uj5u.com 2023-04-20 08:48:24 more
  • web3 產品介紹：metamask 錢包 使用最多的瀏覽器插件錢包

    Metamask錢包是一種基于區塊鏈技術的數字貨幣錢包，它允許用戶在安全、便捷的環境下管理自己的加密資產。Metamask錢包是以太坊生態系統中最流行的錢包之一，它具有易于使用、安全性高和功能強大等優點。 本文將詳細介紹Metamask錢包的功能和使用方法。 一、 Metamask錢包的功能 數字資 ......

    uj5u.com 2023-04-20 08:47:46 more
  • vulnhub_Earth

    前言 靶機地址->>>vulnhub_Earth 攻擊機ip：192.168.20.121 靶機ip：192.168.20.122 參考文章 https://www.cnblogs.com/Jing-X/archive/2022/04/03/16097695.html https://www.cnb ......

    uj5u.com 2023-04-20 07:46:20 more
  • 從4k到42k，軟體測驗工程師的漲薪史，給我看哭了

    清明節一過，盲猜大家已經無心上班，在數著日子準備過五一，但一想到銀行卡里的余額……瞬間心情就不美麗了。最近，2023年高校畢業生就業調查顯示，本科畢業月平均起薪為5825元。調查一出，便有很多同學表示自己又被平均了。看著這一資料，不免讓人想到前不久中國青年報的一項調查：近六成大學生認為畢業10年內會 ......

    uj5u.com 2023-04-20 07:44:00 more
  • 最新版本 Stable Diffusion 開源 AI 繪畫工具之中文自動提詞篇

    🎈 標簽生成器 由于輸入正向提示詞 prompt 和反向提示詞 negative prompt 都是使用英文，所以對學習母語的我們非常不友好 使用網址：https://tinygeeker.github.io/p/ai-prompt-generator 這個網址是為了讓大家在使用 AI 繪畫的時候 ......

    uj5u.com 2023-04-20 07:43:36 more
  • 漫談前端自動化測驗演進之路及測驗工具分析

    隨著前端技術的不斷發展和應用程式的日益復雜，前端自動化測驗也在不斷演進。隨著 Web 應用程式變得越來越復雜，自動化測驗的需求也越來越高。如今，自動化測驗已經成為 Web 應用程式開發程序中不可或缺的一部分，它們可以幫助開發人員更快地發現和修復錯誤，提高應用程式的性能和可靠性。 ......

    uj5u.com 2023-04-20 07:43:16 more
  • CANN開發實踐：4個DVPP記憶體問題的典型案例解讀

    摘要：由于DVPP媒體資料處理功能對存放輸入、輸出資料的記憶體有更高的要求（例如，記憶體首地址128位元組對齊），因此需呼叫專用的記憶體申請介面，那么本期就分享幾個關于DVPP記憶體問題的典型案例，并給出原因分析及解決方法。 本文分享自華為云社區《FAQ_DVPP記憶體問題案例》，作者：昇騰CANN。 DVPP ......

    uj5u.com 2023-04-20 07:43:03 more
  • msf學習

    msf學習 以kali自帶的msf為例 一、msf核心模塊與功能 msf模塊都放在/usr/share/metasploit-framework/modules目錄下 1、auxiliary 輔助模塊，輔助滲透（埠掃描、登錄密碼爆破、漏洞驗證等） 2、encoders 編碼器模塊，主要包含各種編碼 ......

    uj5u.com 2023-04-20 07:42:59 more
  • Halcon軟體安裝與界面簡介

    1. 下載Halcon17版本到到本地 2. 雙擊安裝包后 3. 步驟如下 1.2 Halcon軟體安裝 界面分為四大塊 1. Halcon的五個助手 1) 影像采集助手：與相機連接，設定相機引數，采集影像 2) 標定助手：九點標定或是其它的標定，生成標定檔案及內參外參，可以將像素單位轉換為長度單位 ......

    uj5u.com 2023-04-20 07:42:17 more
  • 在MacOS下使用Unity3D開發游戲

    第一次發博客，先發一下我的游戲開發環境吧。 去年2月份買了一臺MacBookPro2021 M1pro(以下簡稱mbp)，這一年來一直在用mbp開發游戲。我大致分享一下我的開發工具以及使用體驗。 1、Unity 官網鏈接： https://unity.cn/releases 我一般使用的Apple ......

    uj5u.com 2023-04-20 07:40:19 more

Copyright © 2010-2020 有解無憂