Enterprise-Grade Environmental Scene Datasæt til AI/ML-udvikling

Beskrivelse: "CCTV Traffic Scene Semantic Segmentation Dataset" tilbyder et unikt perspektiv for udvikling af autonom kørsel, der fanger trafikscenernes forviklinger fra et stationært synspunkt. Ved at bruge højopløselige CCTV-optagelser fra vejovervågningskameraer med opløsninger på over 1600 x 1200 pixels og en billedhastighed på over 7 fps giver dette datasæt detaljeret instanssegmentering af forskellige elementer i trafikken, herunder mennesker, dyr, cyklende køretøjer, biler og vejbarrierer. Det omfatter også en række vejrforhold og tilbyder et robust datasæt til træning af AI-systemer til at forstå og fortolke forskellige trafikscenarier fra et fast udsigtspunkt.

Beskrivelse: "City Sky Contour Segmentation Dataset" er kurateret til den visuelle underholdningssektor, og byder på en samling af internet-samlede billeder med en høj opløsning på 3000 x 4000 pixels. Dette datasæt er dedikeret til kontursegmentering med fokus på at fange himlen i bymiljøer med elementer som bygninger og planter, hvilket giver en detaljeret baggrund for skabelse af forskellig visuel indhold.

Beskrivelse: "Dashcam Traffic Scenes Semantic Segmentation Dataset" er afgørende for at flytte grænserne for autonome kørselsteknologier. Dette datasæt indeholder billeder fra drivende optagere med en opløsning på omkring 1280 x 720 pixels, segmenteret semantisk for at afspejle forskellige elementer i by- og forstadstrafikmiljøer. Den kategoriserer omfattende 24 forskellige objekter og scenarier, inklusive himmel, mennesker, motorkøretøjer, ikke-motoriserede køretøjer, motorveje, fodgængerstier, zebraovergange, træer, bygninger og mere. Denne detaljerede semantiske segmentering gør det muligt for autonome køresystemer bedre at forstå og fortolke vejens kompleksitet, hvilket forbedrer navigations- og sikkerhedsprotokollerne.

Beskrivelse: "Divable Area Segmentation Dataset" er omhyggeligt udformet til at forbedre AI's evner til at navigere i autonome køretøjer gennem forskellige køremiljøer. Den har en bred vifte af billeder i høj opløsning med opløsninger fra 1600 x 1200 til 2592 x 1944 pixels, der fanger forskellige belægningstyper såsom bitumen, beton, grus, jord, sne og is. Dette datasæt er afgørende for at træne AI-modeller til at skelne mellem kørsels- og ikke-kørbare områder, et grundlæggende aspekt af autonom kørsel. Ved at levere detaljeret semantisk og binær segmentering sigter den mod at forbedre sikkerheden og effektiviteten af ​​autonome køretøjer, hvilket sikrer, at de kan tilpasse sig forskellige vejforhold og miljøer, der opstår i scenarier i den virkelige verden.

Beskrivelse: Saml billeder (1 tilmeldingsbillede, 20 historiske billeder pr. identitet) og videoer (1 indendørs, 1 udendørs) fra unikke identiteter

Beskrivelse: "Indoor Objects Segmentation Dataset" tjener reklame-, spil- og visuel underholdningssektor og tilbyder billeder i høj opløsning, der spænder fra 1024 × 1024 til 3024 × 4032. Dette datasæt omfatter over 50 typer almindelige indendørs objekter og arkitektoniske elementer, såsom møbler. og rumstrukturer, kommenteret for eksempel semantisk og kontursegmentering.

Beskrivelse: CCTV-kameraer Billeder. Opløsningen er over 1920 x 1080, og antallet af billeder pr. sekund af videoen er over 30.

Beskrivelse: Billeder af vartegn inden for rammerne af deres miljø

Optageenhed: Mobilt kamera

Optagelsestilstand: - Dagslys - Nat - Overskyet/Regn

Beskrivelse: "Lane Line Segmentation Dataset" er designet til at accelerere fremskridt inden for autonome kørselsteknologier, specielt med fokus på vognbanedetektering og segmentering. Den omfatter en bred vifte af billeder fra køreoptagere, opdelt i 35 forskellige kategorier for at dække en omfattende række af vejmarkeringer såsom forskellige solide og stiplede linjer i hvid og gul. Dette datasæt har til formål at forfine præcisionen af ​​AI til at identificere vognbanegrænser, hvilket er afgørende for sikker navigation af autonome køretøjer.

Beskrivelse: Datasættet "Lane Merging and Fork Area Segmentation Dataset" adresserer specifikt kompleksiteten af ​​vognbanesammenlægning og forgrening, kritiske scenarier i autonom kørsel. Dette datasæt, der består af drivende optagerbilleder, er kommenteret til binær segmentering, med fokus på områder, hvor baner smelter sammen eller forgrener sig. Det inkluderer detaljerede etiketter for vognbanesammenlægningsområder, vognbanegaffelområder (markeret med trekantede omvendte linjer) og potentielle forhindringer såsom køretøjer, træer, vejskilte og fodgængere. Dette datasæt er et vigtigt værktøj til at træne AI-modeller til at navigere i disse udfordrende vejsituationer, hvilket sikrer jævnere og sikrere autonome køreoplevelser.

Beskrivelse: Datasættet "Multiple Scenarios And Persons Semantic Segmentation" er skræddersyet til den visuelle underholdningsindustri og omfatter internet-samlede billeder med opløsninger fra 1280 x 720 til 6000 x 4000. Det fokuserer på scener med flere personer på tværs af urbane, naturlige og indendørs omgivelser, leverer detaljerede anmærkninger til menneskelige figurer, tilbehør og baggrunde.

Beskrivelse: "Outdoor Building Panoptic Segmentation Dataset" er kurateret til den visuelle underholdningsindustri, bestående af en samling af internet-samlede udendørs billeder med høje opløsninger på over 3024 x 4032 pixels. Dette datasæt fokuserer på panoptisk segmentering, der fanger alle identificerbare forekomster inden for udendørs scener, inklusive bygninger, veje, mennesker, biler og mere, hvilket giver et omfattende datasæt til detaljeret miljøanalyse og skabelse.

Beskrivelse: "Outdoor Objects Semantic Segmentation Dataset" er udviklet til applikationer inden for medier og underholdning og robotteknologi, bestående af en række internet-samlede billeder med opløsninger fra 1024 x 726 til 2358 x 1801 pixels. Dette datasæt anvender afgrænsningsboks- og nøglepunkter-annoteringer til at segmentere forskellige udendørs elementer, herunder menneskelige kropsdele, natur, arkitektoniske strukturer, fortove, transportmidler og mere.

Beskrivelse: "Panoptic Scenes Segmentation Dataset" er en omfattende ressource til robotteknologi og visuel underholdning, der består af en bred vifte af internet-samlede billeder med opløsninger fra 660 x 371 til 5472 x 3648 pixels. Dette datasæt er rettet mod semantisk segmentering, der fanger forskellige elementer såsom vandrette og lodrette planer, bygninger, mennesker, dyr og møbler, hvilket giver et holistisk syn på forskellige scener.

Beskrivelse: "PUBG Game Scenes Segmentation Dataset" er specielt designet til spilapplikationer, og byder på skærmbilleder fra det populære spil PUBG med opløsninger på 1920 × 886, 1280 × 720 og 1480 × 720 pixels. Det omfatter 17 kategorier, f.eks. og semantisk segmentering, inklusive karakterer, køretøjer, landskaber og elementer i spillet, hvilket giver en rig ressource til spiludvikling og -analyse.

Beskrivelse: "Road Scene Semantic Segmentation Dataset" er specielt designet til autonome kørselsapplikationer, og byder på en samling af internet-samlede billeder med en standardopløsning på 1920 x 1080 pixels. Dette datasæt er fokuseret på semantisk segmentering, der sigter mod nøjagtigt at segmentere forskellige elementer af vejbilleder såsom himlen, bygninger, vognbanelinjer, fodgængere og mere for at understøtte udviklingen af ​​avancerede førerassistancesystemer (ADAS) og autonome køretøjsteknologier.

Beskrivelse: "Road Scenes Panoptic Segmentation Dataset" er rettet mod applikationer inden for visuel underholdning og autonom kørsel, og byder på en samling af internet-indsamlede vejbilleder med opløsninger på over 1600 x 1200 pixels. Dette datasæt er specialiseret i panoptisk segmentering og annoterer alle identificerbare forekomster i billederne, såsom køretøjer, veje, vognbanelinjer, vegetation og mennesker, hvilket giver et detaljeret datasæt til omfattende vejsceneanalyse.

Beskrivelse: Vores "Sky Outline Matting Dataset" henvender sig til internet-, medie- og mobilindustrien med et udvalgt udvalg af himmelbilleder. Dette datasæt har forskellige himmelforhold, herunder solskin, overskyet, solopgang, solnedgang og mere, med fin segmentering på pixelniveau til detaljeret konturudtræk, velegnet til forskellige applikationer.

Beskrivelse: "Sky Segmentation Dataset" er omhyggeligt kurateret til den visuelle underholdningsindustri og byder på manuelt optagne billeder med opløsninger, der varierer fra 937 × 528 til 9961 × 3000. Denne samling er dedikeret til segmentering af himmel på forskellige tidspunkter af dagen og natten. et dynamisk udvalg af udendørs himmelscenarier til omfattende maskesegmenteringsopgaver.

Beskrivelse: "Walkway Segmentation Dataset" er lavet til at øge sikkerheden og effektiviteten af ​​autonome kørselssystemer ved at fokusere på nøjagtig identifikation og segmentering af fodgængergange. Dette datasæt, der indeholder billeder fra køreoptagere, er afgørende for træning af AI-modeller til at skelne mellem kørbare områder og fodgængerzoner. Ved at segmentere fodgængerområder gennem både instans- og binære segmenteringsteknikker giver det en kritisk ressource til at udvikle autonome køretøjer, der sikkert kan navigere i bymiljøer.