Premiumobjekt- och kontursegmenteringsdataset för datorseende

Beskrivning: Streckkodstyp: Code128, UPC/EAN, DataMatrix, PDF417, Aztec, Multi-code

Inspelningsutrustning: Honor 9A, Huawei mate 10 pro, iPad, iPhone (6S, 7 Plus, SE, X, 11, 12, 12 mini, 12 Pro Max), Moto (E4, onepower), One plus (6T, 7T, One), Oppo A3s, Real Me, Samsung (A20, A30, A32, M12, M31, XiaT), Vivo, M1, XiaT, Vivo, M10

Inspelningsvillkor: - Bright_Indoor - Low_Indoor - Low_Outdoor - Normal - Soligt

Beskrivning: "Blur Area Segmentation Dataset" är designad för användning inom robotik och visuell underhållning, sammansatt av internetinsamlade bilder med upplösningar från 960 x 720 till 1024 x 768 pixlar. Denna datauppsättning fokuserar på semantisk segmentering, specifikt inriktad på blå områden i bilder. Varje blått område är kommenterat på pixelnivå, vilket ger värdefull data för applikationer som kräver färgbaserad segmentering eller analys.

Beskrivning: "Characters Contour Segmentation Dataset" är speciellt utformad för optisk teckenigenkänning (OCR) applikationer, med en samling av internetinsamlade bilder med upplösningar från 461 x 169 till 1080 x 1350 pixlar. Denna datauppsättning är centrerad kring kontursegmentering, med fokus på den exakta avgränsningen av optiska OCR-tecken för att underlätta korrekt teckenigenkänning och textextraktionsprocesser.

Beskrivning: "Characters Relationship Segmentation Dataset" är designad för robotteknik och visuell underhållningsindustri, med ett brett utbud av internetinsamlade bilder med upplösningar från 1280 × 720 till 4608 × 3456. Denna unika dataset fokuserar på relationerna mellan människor och mellan människor och objekt, vilket ger värdefulla insikter för interaktionsdynamik.

Beskrivning: "Common Objects Segmentation Dataset" betjänar e-handeln och den visuella underhållningsindustrin med en bred samling av internetinsamlade bilder, med upplösningar från 800 × 600 till 4160 × 3120. Denna datauppsättning täcker ett brett spektrum av vardagliga scener och föremål, inklusive människor, djur, möbler och mer, kommenterade för både exempel och semantisk segmentering.

Beskrivning: "Flying Wire Segmentation Dataset" är speciellt utvecklad för den visuella underhållningsindustrin, och består av internetinsamlade bilder med upplösningar som överstiger 1024 x 638 pixlar. Denna datauppsättning är fokuserad på instanssegmentering, med en primär tonvikt på att kommentera rep eller ledningar som sträcker sig mellan byggnader, vilket ger värdefull data för att skapa realistiska stadsmiljöer i digitalt innehåll.

Beskrivning: Vår "Food Contour Matting Dataset" berikar de kulinariska och visuella innehållsdomänerna, med ~200 mattyper från globala kök. Den är designad för företag inom catering, turism och underhållning, och erbjuder personliga upplevelser genom detaljerade segmenteringskommentarer.

Beskrivning: "Food Segmentation Dataset" betjänar turism och visuell underhållningssektor, som består av ett kurerat urval av internetinsamlade bilder med upplösningar från 256 x 256 till 1024 x 768 pixlar. Denna datauppsättning är tillägnad kontursegmentering, med fokus på vanliga livsmedel och deras tillhörande tallrikar eller skålar, vilket underlättar detaljerad analys och representation i olika applikationer.

Beskrivning: Uppsättningar av stillbilder tagna i antingen dag- eller nattmiljö där naturligt eller artificiellt ljus skapar en digital artefakt som kallas ett spöke.

Inspelningsutrustning: iPhone & iPad kamera

Inspelningsvillkor: - Dagtid - Natttid

Beskrivning: "Main Objects Segmentation Dataset" är designad för tillämpningar inom robotik och visuell underhållning, och består av en stor samling av internetinsamlade bilder med upplösningar från 189 x 223 till 5472 x 3648 pixlar. Denna datauppsättning fokuserar på kontur och semantisk segmentering av ett enda märkt motiv i varje bild, vilket ger en tydlig och isolerad vy av det primära objektet för detaljerad analys och tillämpning.

Beskrivning: "Multiple Objects Matting Dataset" är designad för användning i robotik och visuell underhållning, med en stor samling av internetinsamlade bilder med upplösningar från 1080 x 1362 till 6000 x 4000 pixlar. Denna datauppsättning är specialiserad på segmentering och tillhandahåller originalbilden, en genomskinlig effektbild och en svartvit maskbild för huvudobjektet, vilket möjliggör detaljerad analys och tillämpning i olika tekniska lösningar.

Beskrivning: "Nails Contour Segmentation Dataset" är skapad för skönhetsindustrin, med en samling offlinebilder av mänskliga naglar, allt med en enhetlig upplösning på 1920 x 1080 pixlar. Denna datauppsättning är specialiserad på semantisk segmentering, med fokus på den detaljerade konturen av fingernaglar, stödjande applikationer inom nagelkonstdesign och virtuella nagelprovningstekniker.

Beskrivning: "Object Contour Matting Dataset" är en mångsidig samling skräddarsydd för e-handel, internet och mobilsektorer, som omfattar ett brett utbud av objekt som kläder, accessoarer, varor, växter och mat. Denna datauppsättning fokuserar på kontursegmentering av huvudobjektet, vilket gör det till en värdefull resurs för applikationer som kräver exakt objektkonturextraktion.

Beskrivning: "Objects and Distractions Segmentation Dataset" är designad för robotteknik och visuell underhållningssektor, med en rad internetinsamlade bilder med upplösningar mellan 1365 x 2047 och 4165 x 2737 pixlar. Denna datauppsättning betonar semantisk segmentering, kategoriserar bilder i fem huvudtyper av interferensobjekt, inklusive målpersoner, objekt, interferensobjekt och olika mänskliga kroppsdelar, vilket underlättar utvecklingen av algoritmer för att skilja mellan primära subjekt och bakgrundsdistraktioner.

Beskrivning: "Obvious Objects Segmentation Dataset" är en specialiserad samling riktad till media och visuell underhållningssektor, med internetinsamlade bilder, alla med en enhetlig upplösning på 1536 x 2048 pixlar. Denna datauppsättning är tillägnad segmentering av framträdande objekt som är omedelbart märkbara och drar till sig uppmärksamhet i en bild, med användning av både semantiska och kontursegmenteringstekniker för att definiera dessa objekt på pixelnivå.

Beskrivning: "Pig Contour Segmentation Dataset" är skräddarsydd för djurhållningsindustrin och består av bilder tagna från CCTV-synpunkter med en hög upplösning på 3072 x 2048 pixlar. Denna datauppsättning fokuserar på semantisk segmentering, ger detaljerade kommentarer för grisarnas konturer och mittpunkter, vilket underlättar övervakning och hantering i grisuppfödning.

Beskrivning: "Single Hand Contour Segmentation Dataset" riktar sig till den visuella underhållningsindustrin, med en samling av internetinsamlade bilder med en upplösning på 1080 x 1920 pixlar. Denna datauppsättning fokuserar på kontursegmentering, specifikt inriktad på annoteringen av en enskild hand. Om det finns små tillbehör på handen ingår de också i segmenteringen, vilket skiljer handen och dess utsmyckningar från bakgrunden.

Beskrivning: Datasetet "Single Nail Contour Segmentation Dataset" är sammanställt för den visuella underhållningssektorn, och består av en samling av internetinsamlade bilder, var och en med en upplösning på cirka 100 x 100 pixlar. Denna datauppsättning fokuserar på kontursegmentering, specifikt inriktad på konturerna av individuella fingernaglar, och tillhandahåller detaljerade data för applikationer som kräver exakt nagelrepresentation.

Beskrivning: "Specified Object Contour Segmentation Dataset" riktar sig till robotteknik och visuell underhållningssektor, bestående av internetinsamlade bilder med upplösningar som varierar från 500 x 334 till 3956 x 2319 pixlar. Denna datauppsättning fokuserar på kontursegmentering, med anteckningar riktade mot specifika objekt och scener, såsom guldfiskar, grodor, bryggor och vulkaner, och erbjuder detaljerade konturer för exakt objektidentifiering och scenanalys.

Beskrivning: Datasetet "Tooth Semantic Segmentation Dataset" är skräddarsytt för sjukvårdssektorn och består av en samling internetinsamlade bilder med en upplösning på 256 x 256 pixlar. Denna datauppsättning är tillägnad semantisk segmentering, med fokus på att märka olika delar av tänderna, inklusive den nedre raden, framtänder och den övre raden, från olika vinklar för att tillhandahålla detaljerade tandbilder för analys och utbildningsändamål.

Beskrivning: "Traffic Sign Relationships Dataset" är designad för applikationer inom visuell underhållning och autonom körning, med en samling av internetinsamlade bilder med en upplösning på 1920 x 1080 pixlar. Denna datauppsättning betonar förhållandet mellan trafikskyltar och vägbanor, med trafikskyltar kommenterade med begränsningsrutor och motsvarande vägavsnitt markerade med polygoner för att illustrera sambandet mellan skyltarna och deras relevanta vägområden.

Beskrivning: Internet samlade videoklipp med en genomsnittlig längd runt 10s och upplösningen är över 1920 x 1080.

Beskrivning: "Windows Segmentation Dataset" är speciellt sammanställd för tillverkningssektorn, med fokus på produktion och kvalitetskontroll av fönsterenheter. Den består av internetinsamlade bilder med ett upplösningsspektrum från 150 x 150 till 1160 x 2120 pixlar. Datauppsättningen är designad för semantisk segmentering och bounding box-uppgifter, som omfattar en mängd olika fönsterdesigner och stilar.