该数据集是被cvpr 2015 论文“用于细粒度分类和验证的大规模汽车数据集”所使用的。综合汽车 (compcars) 数据集包含来自两个场景的数据,包括来自网络自然和监视自然的图像。 web-nature 数据包含 163 个汽车制造商和 1,716 个汽车型号。 总共有 136,726 张拍摄整车的图像和 27,618 张拍摄汽车零件的图像。 完整的汽车图像标有边界框和视点。 每个车型都标有五
数据集介绍:penn action dataset(宾夕法尼亚大学)包含 15 个不同动作的 2326 个视频序列以及每个序列的人类联合注释。referenceif you use our dataset, please cite the following paper:weiyu zhang, menglong zhu and konstantinos derpanis, "from actem
该数据集是为美国专利短语到短语匹配竞赛提供的。它通过提供context列中每个代码的含义来添加附加信息。
为了为未来交通灯识别 (tlr) 研究的比较提供共同基础,我们根据美国道路的镜头收集了一个广泛的公共数据库。该数据库收集于美国加利福尼亚州圣地亚哥。该数据库提供了四个主要用于测试的白天和两个夜间序列,提供了在太平洋海滩和圣地亚哥拉霍亚的 23 分 25 秒的驾驶时间。该数据库由连续测试和训练视频序列组成,共有 43,007 帧和 113,888 个带注释的交通信号灯。这些序列由安装在车辆车顶上的立
数据集介绍: 这是一个非均匀的真实数据集,具有成对的真实雾度和相应的无雾度图像。这是第一个非齐次图像去模糊数据集,包含55个室外场景。在场景中引入了非均匀雾,使用专业雾发生器模拟雾场景的真实条件。 引用: @inproceedings{nh-haze_2020, author = {codruta o. ancuti and cosmin ancuti and radu timofte}, t