describtionwiderperson 数据集是野外行人检测基准数据集,其图像选自广泛的场景,不再局限于交通场景。 我们选择了 13,382 张图像并标记了大约 400k 带有各种遮挡的注释。 我们随机选择 8000/1000/4382 图像作为训练、验证和测试子集。 与 citypersons 和 wider face 数据集类似,我们不发布测试图像的边界框基本事实。 用户需要提交最终的预
description加州理工学院行人数据集由大约 10 小时的 640x480 30hz 视频组成,该视频取自在城市环境中通过常规交通行驶的车辆。 注释了大约 250,000 帧(在 137 个大约分钟长的片段中),总共 350,000 个边界框和 2300 个独特的行人。 注释包括边界框和详细的遮挡标签之间的时间对应关系referencesp. dollár, c. wojek, b. sc
此数据集使用 tensorflow 训练图像识别模型以查找任何关于图片和视频。 内容 您会发现大约 1,500 张不同大小的船图片,但按不同类型分类:浮标、游轮、渡船、货船、贡多拉、充气船、皮划艇、纸船、帆船。 致谢
该数据集是麻省理工学院提供的原始数据。室内场景识别是高层次视觉中一个具有挑战性的开放性问题。 大多数适用于室外场景的场景识别模型在室内领域表现不佳。主要困难在于,虽然一些室内场景(例如走廊)可以通过全局空间属性很好地表征,但其他的(例如书店)可以通过它们包含的对象更好地表征。 更一般地说,为了解决室内场景识别问题,我们需要一个可以利用局部和全局判别信息的模型。 该数据库包含 67 个室内类别,
数据集介绍: 数据来自 lytro illum,捕获为 40mp 图像,然后转换为 5mp rgb d 图像。 第二个数据集来自 lenovo phab2(project tango),它利用双图像传感器重新创建大型 3d 结构的点云。这些以 .ply 和 .obj 数据集的形式提供