fascicle 小腿肌肉超声数据集是一个由 812 幅小腿肌肉超声图像组成的数据集,用于分析肌肉弱点并预防受伤。该数据集在文章 aw-net:b 型超声图像上的自动肌肉结构分析以预防伤害中进行了介绍。它结合了由 ryan cunningham 等人发表的两篇文章“使用卷积、残差和反卷积神经网络从 b 模式超声图像中估计全区域骨骼肌纤维方向”提供的数据集。和 neil cronin 发表的“使用深
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
由于小光圈和传感器尺寸,智能手机图像通常比数码单反相机具有更多的噪点。考虑到图像去噪是一个活跃的研究领域,作者提出了一个去噪图像数据集,该数据集代表来自智能手机相机的真实噪声图像,具有高质量的地面实况。该数据集与cvpr 2020一起用于ntire 2020 真实图像去噪挑战赛。 该数据集包含以下智能手机在不同光照条件下拍摄的 160 对噪声/真实图像: gp: google pixelip:
城市景观数据(数据集pg电子试玩链接主页)包含从德国驾驶的车辆中拍摄的标记视频。此版本是作为 pix2pix 论文的一部分创建的已处理子样本。数据集包含来自原始视频的静止图像,语义分割标签与原始图像一起显示在图像中。这是语义分割任务的最佳数据集之一。 该数据集有 2975 个训练图像文件和 500 个验证图像文件。 每个图像文件为 256x512 像素,每个文件是与图像左半部分的原始照片以及右半部分的标记图像
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