Enterprise-Grade Environmental Scene Dataset för AI/ML-utveckling

Beskrivning: "CCTV Traffic Scene Semantic Segmentation Dataset" erbjuder ett unikt perspektiv för utveckling av autonom körning, och fångar trafikscenernas krångligheter från en stationär synvinkel. Genom att använda högupplösta CCTV-bilder från vägövervakningskameror, med upplösningar som överstiger 1600 x 1200 pixlar och en bildhastighet på över 7 fps, tillhandahåller denna datauppsättning detaljerad instanssegmentering av olika element i trafiken, inklusive människor, djur, cyklande fordon, bilar och vägbommar. Den omfattar också en rad väderförhållanden och erbjuder en robust datauppsättning för att träna AI-system för att förstå och tolka olika trafikscenarier från en fast utsiktspunkt.

Beskrivning: "City Sky Contour Segmentation Dataset" är sammansatt för den visuella underhållningssektorn, med en samling av internetinsamlade bilder med en hög upplösning på 3000 x 4000 pixlar. Denna datauppsättning är tillägnad kontursegmentering, med fokus på att fånga himlen i urbana miljöer med element som byggnader och växter, vilket ger en detaljerad bakgrund för olika visuella innehållsskapande.

Beskrivning: "Dashcam Traffic Scenes Semantic Segmentation Dataset" är avgörande för att tänja på gränserna för autonom körteknik. Denna datauppsättning innehåller bilder från drivande inspelare med en upplösning på cirka 1280 x 720 pixlar, segmenterade semantiskt för att återspegla olika delar av stads- och förortstrafikmiljöer. Den kategoriserar heltäckande 24 olika objekt och scenarier, inklusive himmel, människor, motorfordon, icke-motoriserade fordon, motorvägar, gångvägar, övergångsställen, träd, byggnader och mer. Denna detaljerade semantiska segmentering tillåter autonoma körsystem att bättre förstå och tolka vägens komplexitet, vilket förbättrar navigerings- och säkerhetsprotokoll.

Beskrivning: "Divable Area Segmentation Dataset" är noggrant utformad för att förbättra AI:s förmåga att navigera autonoma fordon genom olika körmiljöer. Den har ett brett utbud av högupplösta bilder, med upplösningar från 1600 x 1200 till 2592 x 1944 pixlar, som fångar olika beläggningstyper som bitumen, betong, grus, jord, snö och is. Denna datauppsättning är avgörande för att träna AI-modeller för att skilja mellan körbara och icke-körbara områden, en grundläggande aspekt av autonom körning. Genom att tillhandahålla detaljerad semantisk och binär segmentering syftar det till att förbättra säkerheten och effektiviteten för autonoma fordon, vilket säkerställer att de kan anpassa sig till olika vägförhållanden och miljöer i verkliga scenarier.

Beskrivning: Samla bilder (1 registreringsfoto, 20 historiska foton per identitet) och videor (1 inomhus, 1 utomhus) från unika identiteter

Beskrivning: "Indoor Objects Segmentation Dataset" betjänar reklam, spel och visuell underhållning, och erbjuder högupplösta bilder från 1024 × 1024 till 3024 × 4032. Denna datauppsättning innehåller över 50 typer av vanliga inomhusobjekt och arkitektoniska element, såsom möbler. och rumsstrukturer, annoterade till exempel, semantisk och kontursegmentering.

Beskrivning: CCTV-kameror Bilder. Upplösningen är över 1920 x 1080 och antalet bilder per sekund av videon är över 30.

Beskrivning: Bilder av landmärken inom ramen för sin miljö

Inspelningsutrustning: Mobil kamera

Inspelningsvillkor: - Dagsljus - Natt - Mulet/regn

Beskrivning: Datasetet "Lane Line Segmentation Dataset" är designat för att påskynda framstegen inom teknik för autonom körning, speciellt med fokus på fildetektering och segmentering. Den innehåller ett stort utbud av bilder från körinspelare, uppdelade i 35 olika kategorier för att täcka ett omfattande utbud av vägmarkeringar som olika heldragna och streckade linjer i vitt och gult. Denna datauppsättning syftar till att förfina precisionen hos AI för att identifiera körfältsgränser, avgörande för säker navigering av autonoma fordon.

Beskrivning: Datasetet "Lane Merging and Fork Area Segmentation Dataset" tar specifikt upp komplexiteten i körfältssammanslagning och splittring, kritiska scenarier vid autonom körning. Denna datauppsättning, som består av drivande brännarbilder, är kommenterad för binär segmentering, med fokus på områden där körfält sammanfogas eller förgrenas. Den innehåller detaljerade etiketter för körfältssammanslagningsområden, körfältsgaffelområden (markerade med triangulära inverterade linjer) och potentiella hinder som fordon, träd, vägskyltar och fotgängare. Denna datauppsättning är ett viktigt verktyg för att träna AI-modeller för att navigera i dessa utmanande vägsituationer, vilket säkerställer smidigare och säkrare autonoma körupplevelser.

Beskrivning: Datauppsättningen "Multiple Scenarios And Persons Semantic Segmentation" är skräddarsydd för den visuella underhållningsindustrin, och består av internetinsamlade bilder med upplösningar från 1280 x 720 till 6000 x 4000. Den fokuserar på scener med flera personer i urbana, naturliga och inomhusmiljöer, tillhandahåller detaljerade anteckningar för mänskliga figurer, tillbehör och bakgrunder.

Beskrivning: "Outdoor Building Panoptic Segmentation Dataset" är sammansatt för den visuella underhållningsindustrin, bestående av en samling av internetinsamlade utomhusbilder med höga upplösningar som överstiger 3024 x 4032 pixlar. Denna datauppsättning fokuserar på panoptisk segmentering, och fångar varje identifierbar instans inom utomhusscenerna, inklusive byggnader, vägar, människor, bilar och mer, vilket ger en omfattande datauppsättning för detaljerad miljöanalys och skapande.

Beskrivning: "Outdoor Objects Semantic Segmentation Dataset" är utvecklad för applikationer inom media & underhållning och robotik, bestående av en mängd olika internetinsamlade bilder med upplösningar från 1024 x 726 till 2358 x 1801 pixlar. Denna datauppsättning använder markeringsrutor och nyckelpunkter för att segmentera olika utomhuselement, inklusive mänskliga kroppsdelar, naturliga landskap, arkitektoniska strukturer, trottoarer, transportmedel och mer.

Beskrivning: "Panoptic Scenes Segmentation Dataset" är en omfattande resurs för robotik och visuell underhållning, som består av ett brett utbud av internetinsamlade bilder med upplösningar från 660 x 371 till 5472 x 3648 pixlar. Denna datauppsättning syftar till semantisk segmentering och fångar olika element som horisontella och vertikala plan, byggnader, människor, djur och möbler, och erbjuder en holistisk bild av olika scener.

Beskrivning: "PUBG Game Scenes Segmentation Dataset" är speciellt designad för spelapplikationer, med skärmdumpar från det populära spelet PUBG med upplösningar på 1920 × 886, 1280 × 720 och 1480 × 720 pixlar. Den omfattar 17 kategorier till exempel och semantisk segmentering, inklusive karaktärer, fordon, landskap och föremål i spelet, vilket ger en rik resurs för spelutveckling och analys.

Beskrivning: "Road Scene Semantic Segmentation Dataset" är speciellt designad för applikationer för autonom körning, med en samling av internetinsamlade bilder med en standardupplösning på 1920 x 1080 pixlar. Denna datauppsättning är fokuserad på semantisk segmentering, som syftar till att exakt segmentera olika delar av vägscener som himlen, byggnader, körfält, fotgängare och mer, för att stödja utvecklingen av avancerade förarassistanssystem (ADAS) och autonoma fordonsteknologier.

Beskrivning: "Road Scenes Panoptic Segmentation Dataset" är inriktat på applikationer inom visuell underhållning och autonom körning, med en samling internetinsamlade vägbilder med upplösningar som överstiger 1600 x 1200 pixlar. Denna datauppsättning är specialiserad på panoptisk segmentering, som kommenterar varje identifierbar instans i bilderna, såsom fordon, vägar, körfält, vegetation och människor, vilket ger en detaljerad datauppsättning för omfattande vägscenanalys.

Beskrivning: Vår "Sky Outline Matting Dataset" vänder sig till internet-, media- och mobilindustrin med ett kurerat urval av himmelsbilder. Denna datauppsättning har olika himmelförhållanden inklusive soligt, molnigt, soluppgång, solnedgång och mer, med fin segmentering på pixelnivå för detaljerad konturextraktion, lämplig för olika applikationer.

Beskrivning: "Sky Segmentation Dataset" är noggrant sammansatt för den visuella underhållningsindustrin, med manuellt tagna bilder med upplösningar som varierar från 937 × 528 till 9961 × 3000. Den här samlingen är tillägnad segmenteringen av himlar över olika tider på dygnet och natten. ett dynamiskt utbud av utomhushimmelscenarier för omfattande masksegmenteringsuppgifter.

Beskrivning: "Walkway Segmentation Dataset" är utformad för att förbättra säkerheten och effektiviteten hos autonoma körsystem genom att fokusera på exakt identifiering och segmentering av gångvägar. Denna datauppsättning, som innehåller bilder från körinspelare, är avgörande för att träna AI-modeller för att skilja mellan körbara områden och fotgängarzoner. Genom att segmentera fotgängares gångområden genom både instans- och binära segmenteringstekniker, tillhandahåller det en kritisk resurs för att utveckla autonoma fordon som säkert kan navigera i stadsmiljöer.