9 🆒 Наборы данных обнаружения объектов

9 🆒 Наборы данных обнаружения объектов

Стартовый код, доступный с использованием библиотек Monk

В этой статье я собираюсь поделиться несколькими наборами данных для обнаружения объектов. Стартовый код предоставляется в Github, и вы можете напрямую запускать его в Colab.

P.S: Описание набора данных взято прямо с сайтов.

1. Распознавание дорожных знаков 🚦🚳

Набор данных о дорожных знаках LISA - это набор видео и аннотированных кадров, содержащих дорожные знаки США.

• Монах Стартовый код: Github

2. Исключительно-темное-изображение-набор данных 🦸‍♂️

На сегодняшний день это самая большая коллекция изображений при слабом освещении, сделанных в условиях от очень слабого до сумеречного (то есть в 10 различных условиях) с классом изображения и аннотациями на уровне объекта.

• Монах Стартовый код: Github

3. WGISD 🍇

Он предоставляет изображения и аннотации для изучения обнаружения объектов и сегментации экземпляров для мониторинга на основе изображений и полевой робототехники в виноградарстве.

• Монах Стартовый код: Github

4. ТАКО 🍾

TACO - это открытый набор данных изображений отходов в дикой природе. Он содержит фотографии подстилки, сделанные в различных условиях. Аннотации представлены в формате COCO.

• Монах Стартовый код: Github

5. Открыть набор изображений

Open Image - это набор данных из ~ 9 миллионов изображений, аннотированных метками уровня изображения, ограничивающими рамками объектов, масками сегментации объектов, визуальными связями и локализованными повествованиями. Он содержит в общей сложности 16 миллионов ограничивающих рамок для 600 классов объектов на 1,9 миллиона изображений, что делает его самым большим из существующих наборов данных с аннотациями местоположения объектов.

• Monk Стартовый код для Billboard: Github
• Монах Стартовый код для футбола: Github

6. Набор данных CAMEL ​​ 🐫

Он обеспечивает обнаружение и отслеживание объектов в визуальном инфракрасном диапазоне.

• Монах Стартовый код: Github

7. Игральная карта

Обеспечивает обнаружение объектов игральных карт.

• Монах Стартовый код: Github

8. DeepFashion2 👕

DeepFashion2 - это всеобъемлющий набор данных о моде. Он содержит 491 тысяч разнообразных изображений 13 популярных категорий одежды из коммерческих магазинов и потребителей.

• Монах Стартовый код: Github

9. ШИРОКОЕ ОБНАРУЖЕНИЕ пешеходов

Основная цель WIDER Person Challenge - решить проблему обнаружения пешеходов и велосипедистов в условиях ограниченного пространства.

• Монах Стартовый код: Github

Я очень увлечен компьютерным зрением и глубоким обучением. Я участник библиотек Monk с открытым исходным кодом.

Дайте нам ⭐️ в нашем репозитории GitHub, если вам нравится библиотека Monk.