Vállalati szintű környezeti jelenet adatkészletek AI/ML fejlesztéshez

Leírás: A "CCTV Traffic Scene Semantic Segmentation Dataset" egyedülálló perspektívát kínál az autonóm vezetés fejlesztéséhez, megragadva a forgalmi jelenetek bonyolultságát álló szemszögből. Az útfigyelő kamerák nagy felbontású, 1600 x 1200 pixelt meghaladó felbontású és 7 fps-nél nagyobb képsebességű CCTV-felvételeit felhasználva ez az adatkészlet részletes szegmentálást biztosít a forgalom különböző elemeiről, beleértve az embereket, állatokat, kerékpáros járműveket, autókat és útakadályok. Egy sor időjárási körülményt is magában foglal, robusztus adatkészletet kínálva az AI-rendszerek betanításához, hogy egy rögzített nézőpontból megértsék és értelmezzék a különböző forgalmi forgatókönyveket.

Leírás: A "City Sky Contour Segmentation Dataset" a vizuális szórakoztató szektor számára készült, és interneten gyűjtött képek gyűjteményét tartalmazza nagy, 3000 x 4000 pixeles felbontással. Ez az adatkészlet a kontúrok szegmentálására szolgál, és az égbolt megörökítésére összpontosít városi környezetben olyan elemekkel, mint például épületek és növények, részletes hátteret biztosítva a különféle vizuális tartalom létrehozásához.

Leírás: A „Dashcam Traffic Scenes szemantikus szegmentációs adatkészlet” elengedhetetlen az autonóm vezetési technológiák határainak feszegetéséhez. Ez az adatkészlet körülbelül 1280 x 720 pixel felbontású vezetésrögzítő képeket tartalmaz, szemantikailag szegmentálva, hogy tükrözze a városi és elővárosi közlekedési környezet különböző elemeit. Átfogóan kategorizál 24 különböző tárgyat és forgatókönyvet, beleértve az égboltot, az embereket, a gépjárműveket, a nem motorizált járműveket, az autópályákat, a gyalogos utakat, a zebrákat, a fákat, az épületeket és még sok mást. Ez a részletes szemantikai szegmentálás lehetővé teszi az autonóm vezetési rendszerek számára, hogy jobban megértsék és értelmezzék az út bonyolultságát, javítva ezzel a navigációs és biztonsági protokollokat.

Leírás: A „Drivable Area Segmentation Dataset” aprólékosan kidolgozott, hogy fokozza a mesterséges intelligencia képességeit az autonóm járművek navigálásában a különböző vezetési környezetekben. A nagyfelbontású képek széles skáláját kínálja, 1600 x 1200 és 2592 x 1944 pixeles felbontásban, és különféle típusú burkolatokat rögzít, például bitumen, beton, kavics, föld, hó és jég. Ez az adatkészlet létfontosságú az AI-modellek betanításához, hogy különbséget tegyenek a vezethető és a nem vezethető területek között, ami az autonóm vezetés alapvető szempontja. A részletes szemantikai és bináris szegmentálás révén az önvezető járművek biztonságának és hatékonyságának javítását célozza, biztosítva, hogy alkalmazkodjanak a valós forgatókönyvekben előforduló különböző útviszonyokhoz és környezetekhez.

Leírás: Gyűjtsön képeket (1 felvételi fotó, identitásonként 20 történelmi fotó) és videókat (1 beltéri, 1 kültéri) egyedi identitásokból

Leírás: Az "Indoor Objects Segmentation Dataset" a reklám-, játék- és vizuális szórakoztató szektort szolgálja ki, 1024 × 1024 és 3024 × 4032 közötti nagy felbontású képeket kínálva. Ez az adatkészlet több mint 50 fajta általános beltéri objektumot és építészeti elemet, például bútorokat tartalmaz. és szobastruktúrák, megjegyzésekkel ellátva, például szemantikai és kontúrszegmentálás.

Leírás: CCTV kamerák Képek. A felbontás több mint 1920 x 1080, és a videó másodpercenkénti képkockáinak száma meghaladja a 30-at.

Leírás: A tereptárgyak képei környezetük kontextusában

Felvevő eszköz: Mobil kamera

Felvételi feltétel: - Nappali - Éjszakai - Borús/Eső

Leírás: A "Lane Line Segmentation Dataset" célja, hogy felgyorsítsa az autonóm vezetési technológiák fejlődését, különös tekintettel a sávfelismerésre és -szegmentációra. A vezetésrögzítők képeinek széles skáláját tartalmazza, 35 különálló kategóriába szegmentálva, hogy lefedje az útburkolati jelek széles skáláját, mint például a különböző fehér és sárga folytonos és szaggatott vonalakat. Ennek az adatkészletnek az a célja, hogy finomítsa az AI pontosságát a sávhatárok azonosításában, ami kulcsfontosságú az autonóm járművek biztonságos navigációjához.

Leírás: A "Lane Merging and Fork Area Segmentation Dataset" kifejezetten a sávegyesítés és az elágazás bonyolultságával foglalkozik, az autonóm vezetés kritikus forgatókönyveivel. Ez a menetrögzítő képekből álló adatkészlet bináris szegmentáláshoz van ellátva, és azokra a területekre fókuszál, ahol a sávok egyesülnek vagy elágaznak. Részletes címkéket tartalmaz a sávösszevonási területekhez, a sávelágazásokhoz (amelyeket háromszög alakú fordított vonalak jelölnek) és az olyan lehetséges akadályokat, mint a járművek, fák, útjelző táblák és gyalogosok. Ez az adatkészlet létfontosságú eszköz az AI-modellek betanításához, hogy eligazodjanak ezekben a kihívásokkal teli úthelyzetekben, biztosítva a simább és biztonságosabb autonóm vezetési élményt.

Leírás: A "Multiple Scenarios And Persons Semantic Segmentation" adatkészlet a vizuális szórakoztatóipar számára készült, és interneten gyűjtött képeket tartalmaz 1280 x 720 és 6000 x 4000 közötti felbontásban. A többszemélyes jelenetekre összpontosít városi, természeti és beltéri környezetben, részletes megjegyzéseket biztosít az emberi alakokhoz, kiegészítőkhöz és hátterekhez.

Leírás: Az "Outdoor Building Panoptic Segmentation Dataset" a vizuális szórakoztatóipar számára készült, és interneten gyűjtött kültéri képek gyűjteményéből áll, amelyek felbontása meghaladja a 3024 x 4032 pixelt. Ez az adatkészlet a panoptikus szegmentációra összpontosít, rögzítve minden azonosítható példányt a kültéri jelenetekben, beleértve az épületeket, utakat, embereket, autókat és egyebeket, átfogó adatkészletet biztosítva a részletes környezeti elemzéshez és létrehozáshoz.

Leírás: Az "Outdoor Objects Semantic Segmentation Dataset" a média és a szórakoztatás, valamint a robotika alkalmazásokhoz lett kifejlesztve, amely különféle, interneten gyűjtött képekből áll, 1024 x 726 és 2358 x 1801 pixel felbontásban. Ez az adatkészlet határolókeretet és kulcspont-jelöléseket használ a különböző kültéri elemek szegmentálására, beleértve az emberi testrészeket, a természeti tájakat, az építészeti struktúrákat, a járdákat, a közlekedési eszközöket és egyebeket.

Leírás: A "Panoptic Scenes Segmentation Dataset" egy átfogó forrás a robotika és a vizuális szórakoztatás területén, amely az interneten gyűjtött képek széles skáláját tartalmazza, 660 x 371 és 5472 x 3648 pixel felbontásban. Ez az adatkészlet a szemantikai szegmentálást célozza, különféle elemeket rögzít, például vízszintes és függőleges síkokat, épületeket, embereket, állatokat és bútorokat, és holisztikus képet nyújt a különböző jelenetekről.

Leírás: A „PUBG Game Scenes Segmentation Dataset” kifejezetten játékalkalmazásokhoz készült, és képernyőképeket tartalmaz a népszerű PUBG játékból, 1920 × 886, 1280 × 720 és 1480 × 720 pixeles felbontással. Például 17 kategóriát és szemantikai szegmentációt foglal magában, beleértve a karaktereket, járműveket, tájakat és a játékon belüli elemeket, gazdag erőforrást biztosítva a játékfejlesztéshez és elemzéshez.

Leírás: A „Road Scene Semantic Segmentation Dataset” kifejezetten autonóm vezetési alkalmazásokhoz készült, interneten gyűjtött képek gyűjteményét tartalmazza szabványos, 1920 x 1080 pixeles felbontással. Ez az adatkészlet a szemantikai szegmentációra összpontosít, és célja az úti jelenetek különböző elemeinek pontos szegmentálása, például az égbolt, az épületek, a sávok, a gyalogosok és egyebek, hogy támogassa a fejlett vezetőt segítő rendszerek (ADAS) és az autonóm járműtechnológiák fejlesztését.

Leírás: A "Road Scenes Panoptic Segmentation Dataset" célja a vizuális szórakoztatás és az autonóm vezetés alkalmazása, interneten gyűjtött, 1600 x 1200 pixelt meghaladó felbontású közúti jelenetképek gyűjteményével. Ez az adatkészlet a panoptikus szegmentációra specializálódott, és a képeken belül minden azonosítható példányt (például járműveket, utakat, sávvonalakat, növényzetet és embereket) megjelöl, így részletes adatkészletet biztosít az átfogó útjelenetek elemzéséhez.

Leírás: A "Sky Outline Matting Dataset" égboltképek válogatott választékával az internetet, a médiát és a mobil iparágakat szolgálja ki. Ez az adatkészlet különféle éghajlati viszonyokat tartalmaz, beleértve a napos, felhős, napkelte, napnyugta és egyebeket, pixelszintű finom szegmentációval a részletes körvonalak kivonásához, amely különféle alkalmazásokhoz alkalmas.

Leírás: A "Sky Segmentation Dataset" aprólékosan a vizuális szórakoztatóipar számára készült, és 937 × 528 és 9961 × 3000 közötti felbontású, manuálisan rögzített képeket tartalmaz. Ez a gyűjtemény az égbolt szegmentálására szolgál a nap és éjszaka különböző időszakaiban, így biztosítva a kültéri égbolt forgatókönyveinek dinamikus skálája az átfogó maszkszegmentálási feladatokhoz.

Leírás: A "Walkway Segmentation Dataset" úgy lett kialakítva, hogy fokozza az autonóm vezetési rendszerek biztonságát és hatékonyságát azáltal, hogy a gyalogos utak pontos azonosítására és szegmentálására összpontosít. Ez a vezetési rögzítők képeit tartalmazó adatkészlet döntő fontosságú az AI-modellek betanításában, hogy különbséget tudjanak tenni a vezethető területek és a gyalogos zónák között. Azáltal, hogy a gyalogos sétáló területeket példány- és bináris szegmentációs technikákkal egyaránt szegmentálja, kritikus erőforrást biztosít a városi környezetben biztonságosan közlekedni képes autonóm járművek fejlesztéséhez.