Førsteklasses objekt- og kontursegmenteringsdatasett for datasyn

Beskrivelse: Strekkodebind: Code128, UPC/EAN, DataMatrix, PDF417, Aztec, Multi-code

Opptaksenhet: Honor 9A, Huawei mate 10 pro, iPad, iPhone (6S, 7 Plus, SE, X, 11, 12, 12 mini, 12 Pro Max), Moto (E4, onepower), One plus (6T, 7T, One), Oppo A3s, Real Me, Samsung (A20, A30, A32, M12, M31, XiaT), Vivo, M1, XiaT, Vivo, M10

Opptakstilstand: - Bright_Indoor - Low_Indoor - Low_Outdoor - Normal - Sol

Beskrivelse: "Blur Area Segmentation Dataset" er designet for bruk i robotikk og visuell underholdning, sammensatt av internettinnsamlede bilder med oppløsninger fra 960 x 720 til 1024 x 768 piksler. Dette datasettet fokuserer på semantisk segmentering, spesifikt rettet mot blå områder i bilder. Hvert blått område er annotert på pikselnivå, og gir verdifulle data for applikasjoner som krever fargebasert segmentering eller analyse.

Beskrivelse: "Characters Contour Segmentation Dataset" er spesielt utviklet for applikasjoner for optisk tegngjenkjenning (OCR), med en samling av Internett-samlede bilder med oppløsninger fra 461 x 169 til 1080 x 1350 piksler. Dette datasettet er sentrert rundt kontursegmentering, med fokus på den nøyaktige avgrensningen av optiske OCR-tegn for å lette nøyaktig tegngjenkjenning og tekstutvinningsprosesser.

Beskrivelse: "Characters Relationship Segmentation Dataset" er designet for robotikk og visuell underholdningsindustri, og inneholder et bredt spekter av internettinnsamlede bilder med oppløsninger fra 1280 × 720 til 4608 × 3456. Dette unike datasettet fokuserer på forholdet mellom mennesker, og mellom mennesker og objekter, og gir verdifull innsikt for interaksjonsdynamikk.

Beskrivelse: "Common Objects Segmentation Dataset" betjener e-handel og visuell underholdningsindustri med en bred samling av internettinnsamlede bilder, med oppløsninger fra 800 × 600 til 4160 × 3120. Dette datasettet dekker et bredt spekter av hverdagslige scener og objekter, inkludert mennesker, dyr, møbler og mer, kommentert for både forekomst og semantisk segmentering.

Beskrivelse: "Flying Wire Segmentation Dataset" er spesielt utviklet for den visuelle underholdningsindustrien, og består av internettinnsamlede bilder med oppløsninger på over 1024 x 638 piksler. Dette datasettet er fokusert på instanssegmentering, med hovedvekt på å kommentere tau eller ledninger som spenner mellom bygninger, og tilbyr verdifulle data for å skape realistiske urbane miljøer i digitalt innhold.

Beskrivelse: Vårt "Food Contour Matting Dataset" beriker de kulinariske og visuelle innholdsdomenene, med ~200 mattyper fra globale retter. Den er designet for bedrifter innen catering, turisme og underholdning, og tilbyr personlige opplevelser gjennom detaljerte segmenteringsmerknader.

Beskrivelse: "Food Segmentation Dataset" betjener reiselivs- og visuell underholdningssektorene, som består av et kuratert utvalg av internettinnsamlede bilder med oppløsninger fra 256 x 256 til 1024 x 768 piksler. Dette datasettet er dedikert til kontursegmentering, med fokus på vanlige matvarer og tilhørende tallerkener eller boller, noe som letter detaljert analyse og representasjon i ulike applikasjoner.

Beskrivelse: Landemerkebilder: Fotobilder av landemerker i konteksten av miljøet deres

Beskrivelse: Generiske objektbildedatasett (annotering kan utføres etter behov)

Beskrivelse: Naturlige eller generiske objektbilder med annotering brukes til generelle objektdeteksjonsoppgaver. De inneholder virkelige bilder av hverdagsobjekter merket med avgrensningsbokser og klassenavn. Disse datasettene hjelper med å trene og evaluere datasynsmodeller for nøyaktig objektgjenkjenning og lokalisering i praktiske applikasjoner.

Beskrivelse: Flekkgjenkjenningsbilder Type 1 - Flekkgjenkjenning Type 2 - Deteksjon av gjenstander i kjøleskap

Beskrivelse: Sett med stillbilder tatt enten på dagtid eller om natten der naturlig eller kunstig belysning skaper en digital artefakt kjent som et spøkelse.

Opptaksenhet: iPhone og iPad kamera

Opptakstilstand: - Dagtid - Natttid

Beskrivelse: "Main Objects Segmentation Dataset" er designet for applikasjoner innen robotikk og visuell underholdning, og består av en enorm samling av internettinnsamlede bilder med oppløsninger fra 189 x 223 til 5472 x 3648 piksler. Dette datasettet fokuserer på kontur og semantisk segmentering av et enkelt merket emne i hvert bilde, og gir en klar og isolert visning av det primære objektet for detaljert analyse og anvendelse.

Beskrivelse: "Multiple Objects Matting Dataset" er designet for bruk i robotikk og visuell underholdning, og inneholder en enorm samling av internett-samlede bilder med oppløsninger fra 1080 x 1362 til 6000 x 4000 piksler. Dette datasettet spesialiserer seg på segmentering, og gir originalbildet, et gjennomsiktig effektbilde og et svart-hvitt-maskebilde for hovedobjektet, noe som muliggjør detaljert analyse og anvendelse i ulike teknologiske løsninger.

Beskrivelse: "Nails Contour Segmentation Dataset" er laget for skjønnhetsindustrien, og inneholder en samling av offline menneskelige neglbilder, alt med en enhetlig oppløsning på 1920 x 1080 piksler. Dette datasettet spesialiserer seg på semantisk segmentering, med fokus på den detaljerte konturen av negler, støtter applikasjoner innen neglekunstdesign og virtuelle negleprøveteknologier.

Beskrivelse: "Object Contour Matting Dataset" er en allsidig samling skreddersydd for e-handel, internett og mobilsektorer, og omfatter et bredt spekter av objekter som klær, tilbehør, varer, planter og mat. Dette datasettet fokuserer på kontursegmentering av hovedobjektet, noe som gjør det til en verdifull ressurs for applikasjoner som krever presis uttrekk av objektkontur.

Beskrivelse: "Objects and Ditractions Segmentation Dataset" er designet for robotikk og visuell underholdningssektorer, med en rekke internettinnsamlede bilder med oppløsninger mellom 1365 x 2047 og 4165 x 2737 piksler. Dette datasettet legger vekt på semantisk segmentering, og kategoriserer bilder i fem hovedtyper av interferensobjekter, inkludert målpersoner, objekter, interferenselementer og forskjellige menneskelige kroppsdeler, noe som letter utviklingen av algoritmer for å skille mellom primære subjekter og bakgrunnsdistraksjoner.

Beskrivelse: "Obvious Objects Segmentation Dataset" er en spesialisert samling rettet mot medie- og visuell underholdningssektorer, med internettinnsamlede bilder alle med en enhetlig oppløsning på 1536 x 2048 piksler. Dette datasettet er dedikert til segmentering av fremtredende objekter som er umiddelbart merkbare og tiltrekker oppmerksomhet i et bilde, ved å bruke både semantiske og kontursegmenteringsteknikker for å definere disse objektene på pikselnivå.

Beskrivelse: "Pig Contour Segmentation Dataset" er skreddersydd for dyreholdsindustrien, og består av bilder tatt fra CCTV-synspunkter med en høy oppløsning på 3072 x 2048 piksler. Dette datasettet fokuserer på semantisk segmentering, og gir detaljerte merknader for konturen og midtpunktene til griser, og letter overvåking og styring i griseoppdrettsoperasjoner.

Beskrivelse: "Single Hand Contour Segmentation Dataset" er rettet mot den visuelle underholdningsindustrien, med en samling av internettinnsamlede bilder med en oppløsning på 1080 x 1920 piksler. Dette datasettet fokuserer på kontursegmentering, spesifikt rettet mot merknaden til en enkelt hånd. Hvis små tilbehør er til stede på hånden, er de også inkludert i segmenteringen, og skiller hånden og dens utsmykning fra bakgrunnen.

Beskrivelse: "Single Nail Contour Segmentation Dataset" er kuratert for den visuelle underholdningssektoren, og består av en samling av internettinnsamlede bilder, hver med en oppløsning på omtrent 100 x 100 piksler. Dette datasettet fokuserer på kontursegmentering, spesifikt rettet mot konturene til individuelle negler, og gir detaljerte data for applikasjoner som krever presis neglerepresentasjon.

Beskrivelse: "Specified Object Contour Segmentation Dataset" er rettet mot robotikk og visuell underholdningssektorer, bestående av internettinnsamlede bilder med oppløsninger som varierer fra 500 x 334 til 3956 x 2319 piksler. Dette datasettet fokuserer på kontursegmentering, med merknader rettet mot spesifiserte objekter og scener, som gullfisk, frosker, brygger og vulkaner, og tilbyr detaljerte konturer for presis objektidentifikasjon og sceneanalyse.

Beskrivelse: "Tooth Semantic Segmentation Dataset" er skreddersydd for helsesektoren, og består av en samling av internettinnsamlede bilder med en oppløsning på 256 x 256 piksler. Dette datasettet er dedikert til semantisk segmentering, med fokus på merking av forskjellige deler av tennene, inkludert den nedre raden, fortenner og den øvre raden, fra forskjellige vinkler for å gi detaljerte tannbilder for analyse og pedagogiske formål.

Beskrivelse: "Traffic Sign Relationships Dataset" er designet for applikasjoner innen visuell underholdning og autonom kjøring, med en samling av internett-samlede bilder med en oppløsning på 1920 x 1080 piksler. Dette datasettet legger vekt på forholdet mellom trafikkskilt og veibaner, med trafikkskilt merkt ved bruk av avgrensningsbokser og tilsvarende veistrekninger markert med polygoner for å illustrere sammenhengen mellom skiltene og deres relevante veiområder.

Beskrivelse: Internett samlet inn videoklipp med gjennomsnittlig lengde rundt 10s, og oppløsningen er over 1920 x 1080.

Beskrivelse: "Windows Segmentation Dataset" er spesielt kompilert for produksjonssektoren, med fokus på produksjon og kvalitetskontroll av vindusenheter. Den består av internettsamlede bilder med et oppløsningsspektrum fra 150 x 150 til 1160 x 2120 piksler. Datasettet er designet for semantisk segmentering og bounding box-oppgaver, og omfatter en rekke vindusdesign og stiler.