Enterprise-Grade miljøscenedatasett for AI/ML-utvikling

Beskrivelse: "CCTV Traffic Scene Semantic Segmentation Dataset" tilbyr et unikt perspektiv for utvikling av autonom kjøring, og fanger inn forviklingene i trafikkscener fra et stasjonært synspunkt. Ved å bruke høyoppløselige CCTV-opptak fra veiovervåkingskameraer, med oppløsninger over 1600 x 1200 piksler og en bildefrekvens på over 7 fps, gir dette datasettet detaljert forekomstsegmentering av ulike elementer i trafikken, inkludert mennesker, dyr, sykkelkjøretøyer, biler og veibarrierer. Den omfatter også en rekke værforhold, og tilbyr et robust datasett for trening av AI-systemer for å forstå og tolke ulike trafikkscenarier fra et fast utsiktspunkt.

Beskrivelse: "City Sky Contour Segmentation Dataset" er kuratert for den visuelle underholdningssektoren, og inneholder en samling av internettinnsamlede bilder med en høy oppløsning på 3000 x 4000 piksler. Dette datasettet er dedikert til kontursegmentering, med fokus på å fange himmelen i urbane omgivelser med elementer som bygninger og planter, og gir et detaljert bakteppe for forskjellig visuelt innhold.

Beskrivelse: "Dashcam Traffic Scenes Semantic Segmentation Dataset" er avgjørende for å flytte grensene for autonome kjøreteknologier. Dette datasettet inneholder drivende opptakerbilder med en oppløsning på ca. 1280 x 720 piksler, segmentert semantisk for å reflektere ulike elementer i urbane og forstadstrafikkmiljøer. Den kategoriserer omfattende 24 forskjellige objekter og scenarier, inkludert himmel, mennesker, motorkjøretøyer, ikke-motoriserte kjøretøy, motorveier, gangstier, sebraoverganger, trær, bygninger og mer. Denne detaljerte semantiske segmenteringen lar autonome kjøresystemer bedre forstå og tolke veiens kompleksitet, noe som forbedrer navigasjons- og sikkerhetsprotokoller.

Beskrivelse: "Divable Area Segmentation Dataset" er omhyggelig utformet for å forbedre AI-egenskapene til å navigere autonome kjøretøy gjennom forskjellige kjøremiljøer. Den har et bredt utvalg av høyoppløselige bilder, med oppløsninger fra 1600 x 1200 til 2592 x 1944 piksler, og fanger opp ulike fortautyper som bitumen, betong, grus, jord, snø og is. Dette datasettet er avgjørende for å trene AI-modeller for å skille mellom kjørbare og ikke-kjørbare områder, et grunnleggende aspekt ved autonom kjøring. Ved å tilby detaljert semantisk og binær segmentering, tar den sikte på å forbedre sikkerheten og effektiviteten til autonome kjøretøy, og sikre at de kan tilpasse seg forskjellige veiforhold og miljøer som oppstår i virkelige scenarier.

Beskrivelse: Samle bilder (1 registreringsbilde, 20 historiske bilder per identitet) og videoer (1 innendørs, 1 utendørs) fra unike identiteter

Beskrivelse: "Indoor Objects Segmentation Dataset" betjener reklame-, spill- og visuell underholdningssektorene, og tilbyr høyoppløselige bilder fra 1024 × 1024 til 3024 × 4032. Dette datasettet inkluderer over 50 typer vanlige innendørsobjekter og arkitektoniske elementer, for eksempel møbler. og romstrukturer, kommentert for eksempel semantisk og kontursegmentering.

Beskrivelse: CCTV-kameraer Bilder. Oppløsningen er over 1920 x 1080 og antall bilder per sekund av videoen er over 30.

Beskrivelse: Bilder av landemerker innenfor konteksten av deres miljø

Opptaksenhet: Mobilkamera

Opptakstilstand: - Dagslys - Natt - Overskyet/Regn

Beskrivelse: "Lane Line Segmentation Dataset" er designet for å akselerere fremskritt innen autonome kjøreteknologier, spesielt med fokus på fildeteksjon og segmentering. Den inkluderer et stort utvalg bilder fra kjøreopptakere, delt inn i 35 forskjellige kategorier for å dekke et omfattende utvalg av veimerkinger som ulike solide og stiplede linjer i hvitt og gult. Dette datasettet tar sikte på å avgrense presisjonen til AI for å identifisere kjørefeltgrenser, avgjørende for sikker navigering av autonome kjøretøy.

Beskrivelse: Datasettet "Lane Merging and Fork Area Segmentation Dataset" tar spesifikt for seg kompleksiteten ved sammenslåing av kjørefelt og gafler, kritiske scenarier i autonom kjøring. Dette datasettet, som består av drivende opptakerbilder, er kommentert for binær segmentering, med fokus på områder der kjørefelt smelter sammen eller forgrener seg. Den inkluderer detaljerte etiketter for feltsammenslåingsområder, feltgaffelområder (merket med trekantede inverterte linjer) og potensielle hindringer som kjøretøy, trær, veiskilt og fotgjengere. Dette datasettet er et viktig verktøy for å trene AI-modeller for å navigere i disse utfordrende veisituasjonene, og sikre jevnere og sikrere autonome kjøreopplevelser.

Beskrivelse: Datasettet "Multiple Scenarios And Persons Semantic Segmentation" er skreddersydd for den visuelle underholdningsindustrien, og består av internettinnsamlede bilder med oppløsninger fra 1280 x 720 til 6000 x 4000. Det fokuserer på scener med flere personer på tvers av urbane, naturlige og innendørs omgivelser, gir detaljerte merknader for menneskelige figurer, tilbehør og bakgrunner.

Beskrivelse: "Outdoor Building Panoptic Segmentation Dataset" er kuratert for den visuelle underholdningsindustrien, og består av en samling av internettinnsamlede utendørsbilder med høye oppløsninger som overstiger 3024 x 4032 piksler. Dette datasettet fokuserer på panoptisk segmentering, og fanger opp alle identifiserbare forekomster i utendørsscenene, inkludert bygninger, veier, mennesker, biler og mer, og gir et omfattende datasett for detaljert miljøanalyse og opprettelse.

Beskrivelse: "Outdoor Objects Semantic Segmentation Dataset" er utviklet for applikasjoner innen media og underholdning og robotikk, bestående av en rekke internettinnsamlede bilder med oppløsninger fra 1024 x 726 til 2358 x 1801 piksler. Dette datasettet bruker markeringsboks- og nøkkelpunktkommentarer for å segmentere ulike utendørselementer, inkludert menneskelige kroppsdeler, naturlandskap, arkitektoniske strukturer, fortau, transportmidler og mer.

Beskrivelse: "Panoptic Scenes Segmentation Dataset" er en omfattende ressurs for robotikk og visuell underholdning, som består av et bredt spekter av internettinnsamlede bilder med oppløsninger fra 660 x 371 til 5472 x 3648 piksler. Dette datasettet er rettet mot semantisk segmentering, og fanger forskjellige elementer som horisontale og vertikale plan, bygninger, mennesker, dyr og møbler, og tilbyr et helhetlig syn på ulike scener.

Beskrivelse: "PUBG Game Scenes Segmentation Dataset" er spesielt designet for spillapplikasjoner, med skjermbilder fra det populære spillet PUBG med oppløsninger på 1920 × 886, 1280 × 720 og 1480 × 720 piksler. Den omfatter 17 kategorier for eksempel og semantisk segmentering, inkludert karakterer, kjøretøy, landskap og elementer i spillet, og gir en rik ressurs for spillutvikling og analyse.

Beskrivelse: "Road Scene Semantic Segmentation Dataset" er spesielt designet for autonome kjøringer, med en samling av internett-samlede bilder med en standardoppløsning på 1920 x 1080 piksler. Dette datasettet er fokusert på semantisk segmentering, med sikte på å nøyaktig segmentere ulike elementer av veiscener som himmelen, bygninger, kjørefeltlinjer, fotgjengere og mer, for å støtte utviklingen av avanserte førerassistansesystemer (ADAS) og autonome kjøretøyteknologier.

Beskrivelse: "Road Scenes Panoptic Segmentation Dataset" er rettet mot applikasjoner innen visuell underholdning og autonom kjøring, med en samling av Internett-innsamlede veiscenebilder med oppløsninger på over 1600 x 1200 piksler. Dette datasettet spesialiserer seg på panoptisk segmentering, og merker alle identifiserbare forekomster i bildene, for eksempel kjøretøy, veier, kjørefelt, vegetasjon og mennesker, og gir et detaljert datasett for omfattende veibildeanalyse.

Beskrivelse: Vårt "Sky Outline Matting Dataset" henvender seg til internett-, media- og mobilindustrien med et utvalgt utvalg av himmelbilder. Dette datasettet har forskjellige himmelforhold, inkludert sol, overskyet, soloppgang, solnedgang og mer, med fin segmentering på pikselnivå for detaljert konturutvinning, egnet for ulike applikasjoner.

Beskrivelse: "Sky Segmentation Dataset" er omhyggelig kuratert for den visuelle underholdningsindustrien, og inneholder manuelt fangede bilder med oppløsninger som varierer fra 937 × 528 til 9961 × 3000. Denne samlingen er dedikert til segmentering av himmelen på forskjellige tider på dagen og natten, og gir et dynamisk utvalg av utendørs himmelscenarier for omfattende maskesegmenteringsoppgaver.

Beskrivelse: "Walkway Segmentation Dataset" er laget for å forbedre sikkerheten og effektiviteten til autonome kjøresystemer ved å fokusere på nøyaktig identifikasjon og segmentering av gangveier for fotgjengere. Dette datasettet, som inneholder bilder fra kjøreopptakere, er avgjørende for å trene AI-modeller for å skille mellom kjørbare områder og fotgjengersoner. Ved å segmentere fotgjengerområder gjennom både instans- og binære segmenteringsteknikker, gir det en kritisk ressurs for å utvikle autonome kjøretøy som trygt kan navigere i urbane miljøer.