【语义分割】——语义分割数据集总结 ADE20K/cityScapes/VOC12_AUG

2024-06-13 08:58

本文主要是介绍【语义分割】——语义分割数据集总结 ADE20K/cityScapes/VOC12_AUG,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在这里插入图片描述

1. ADE20K

链接: ADE20K/

简介: 图片包含室内和室外数据集,上图是一些例图

场景:
场景比较丰富:室内,室外,自然场景等。单张场景的类别也较多。

特点:

  • 训练集:20210张图片
  • 验证集:200张
  • 共150个类别(但是语义标注的时候,像素点不能全面覆盖,存在偶尔有点漏掉的现象,于是标注的时候会多一个 “0” 类别,不计入loss的计算,但是网络的输出只有150个类别)
  • 语义信息的标注是在一张灰度图像上的,只是各个点的取值范围是(0-150, 0表示背景类,不计入loss计算)
  • 类别文件就不全贴出来了。
background	背景
wall	墙
building	建筑
sky	天空
floor	地板
tree	树
ceiling	天花板
road	路
bed 	床
windowpane	窗玻璃
grass	草地
cabinet	柜子
sidewalk	人行道
person	人
earth	地
door	门
table	桌子
...

2. cityScapes

简介: Cityscapes数据集中于城市街道场景的语义理解

特点:

  • 5000张像素级标注图片,20000张弱标注图片
  • 数据集共有30个类别
  • 采集自50个不同的城市
  • 不同的月份(春夏秋)
  • 白天
  • 好、中好天气
  • 单张图片中有多个物体,不同的场景布局,不同的背景

标注原则
有标记的前景对象绝对不能有洞,也就是说,如果有一些通过前景对象可见的背景,它就被认为是前景的一部分。这也适用于与两个或更多类高度混合的区域:它们被标记为前景类。例如:房子前面的树叶或天空(everything tree),透明的车窗(everything car)。

类别定义

GroupClasses
flatroad · sidewalk · parking+ · rail track+
humanperson* · rider*
vehiclecar* · truck* · bus* · on rails* · motorcycle* · bicycle* · caravan*+ · trailer*+
constructionbuilding · wall · fence · guard rail+ · bridge+ · tunnel+
objectpole · pole group+ · traffic sign · traffic light
naturevegetation · terrain
skysky
voidground+ · dynamic+ · static+

粗糙标注
为20000张图片提供了粗糙的多边形标注。同样,重叠的颜色对语义类进行编码(参见类定义)。注意,我们的目标不是注释单个实例,但是,我们标记了覆盖单个对象的多边形。
在这里插入图片描述

cityscape标签与label的对应关系

/home/zzp/SSD_ping/anaconda3/envs/z1/bin/python /home/zzp/SSD_ping/my-root-path/My-core-python/pytorch-deeplabV3+/cityscapesScripts-master/cityscapesscripts/helpers/labels.py
List of cityscapes labels:
# Please adapt the train IDs as appropriate for your approach.
# Note that you might want to ignore labels with ID 255 during training.
# Further note that the current train IDs are only a suggestion. You can use whatever you like.
# Make sure to provide your results using the original IDs and not the training IDs.
# Note that many IDs are ignored in evaluation and thus you never need to predict these!name |  id | trainId |       category | categoryId | hasInstances | ignoreInEval|        color--------------------------------------------------------------------------------------------------unlabeled |   0 |     255 |           void |          0 |            0 |            1 |         (0, 0, 0)ego vehicle |   1 |     255 |           void |          0 |            0 |            1 |         (0, 0, 0)rectification border |   2 |     255 |           void |          0 |            0 |            1 |         (0, 0, 0)out of roi |   3 |     255 |           void |          0 |            0 |            1 |         (0, 0, 0)static |   4 |     255 |           void |          0 |            0 |            1 |         (0, 0, 0)dynamic |   5 |     255 |           void |          0 |            0 |            1 |      (111, 74, 0)ground |   6 |     255 |           void |          0 |            0 |            1 |       (81, 0, 81)road |   7 |       0 |           flat |          1 |            0 |            0 |    (128, 64, 128)sidewalk |   8 |       1 |           flat |          1 |            0 |            0 |    (244, 35, 232)parking |   9 |     255 |           flat |          1 |            0 |            1 |   (250, 170, 160)rail track |  10 |     255 |           flat |          1 |            0 |            1 |   (230, 150, 140)building |  11 |       2 |   construction |          2 |            0 |            0 |      (70, 70, 70)wall |  12 |       3 |   construction |          2 |            0 |            0 |   (102, 102, 156)fence |  13 |       4 |   construction |          2 |            0 |            0 |   (190, 153, 153)guard rail |  14 |     255 |   construction |          2 |            0 |            1 |   (180, 165, 180)bridge |  15 |     255 |   construction |          2 |            0 |            1 |   (150, 100, 100)tunnel |  16 |     255 |   construction |          2 |            0 |            1 |    (150, 120, 90)pole |  17 |       5 |         object |          3 |            0 |            0 |   (153, 153, 153)polegroup |  18 |     255 |         object |          3 |            0 |            1 |   (153, 153, 153)traffic light |  19 |       6 |         object |          3 |            0 |            0 |    (250, 170, 30)traffic sign |  20 |       7 |         object |          3 |            0 |            0 |     (220, 220, 0)vegetation |  21 |       8 |         nature |          4 |            0 |            0 |    (107, 142, 35)terrain |  22 |       9 |         nature |          4 |            0 |            0 |   (152, 251, 152)sky |  23 |      10 |            sky |          5 |            0 |            0 |    (70, 130, 180)person |  24 |      11 |          human |          6 |            1 |            0 |     (220, 20, 60)rider |  25 |      12 |          human |          6 |            1 |            0 |       (255, 0, 0)car |  26 |      13 |        vehicle |          7 |            1 |            0 |       (0, 0, 142)truck |  27 |      14 |        vehicle |          7 |            1 |            0 |        (0, 0, 70)bus |  28 |      15 |        vehicle |          7 |            1 |            0 |      (0, 60, 100)caravan |  29 |     255 |        vehicle |          7 |            1 |            1 |        (0, 0, 90)trailer |  30 |     255 |        vehicle |          7 |            1 |            1 |       (0, 0, 110)train |  31 |      16 |        vehicle |          7 |            1 |            0 |      (0, 80, 100)motorcycle |  32 |      17 |        vehicle |          7 |            1 |            0 |       (0, 0, 230)bicycle |  33 |      18 |        vehicle |          7 |            1 |            0 |     (119, 11, 32)license plate |  -1 |      -1 |        vehicle |          7 |            0 |            1 |       (0, 0, 142)Example usages:
ID of label 'car': 26
Category of label with ID '26': vehicle
Name of label with trainID '0': road

3. VOC12_AUG

简介: 是基于voc扩充的一个语义分割数据集。其组成可参考:PASCAL VOC 2012 and SBD (the augment dataset) 总结

地址: Semantic Boundaries Dataset and Benchmark

特点:

  • 数据集比较大
  • 单张图片中物体数量相对较少
  • 场景和voc数据集的场景很像
  • 训练集10582,val:1449
  • 类别也是继承自voc,共20个类别
    在这里插入图片描述

4. InteriorNet

在这里插入图片描述

来源: 帝国理工和酷家乐

简介: 包含2200万室内场景,涵盖这些场景的3D、全景、灯光、语义、景深等多种不同样式,可用于深度学习训练和SLAM基准测试,无需手动标注。

场景: 真实世界的家具,整体的设计风格也和真实世界中的室内场景相同

需要邮件确认,还无法下载

5. indoor

在这里插入图片描述
简介: 该数据库包含67个室内类别,共计15620张图片。不同类别的图像数量不同,但每个类别至少有100幅图像。所有图片均为jpg格式。

没有总的label,标注格式需要处理

6. other

建筑:
墙,地板,天花板,门,楼梯,自动扶梯

家具:
桌子,椅子/长椅,柜子,盆栽(植物)?

问题:

  1. 前台/服务台?
    没有标签label/数据

  2. 卫生间,××间?
    区别不大,特征不明显,无数据

其他

  • 这个数据集用什么工具标注

这篇关于【语义分割】——语义分割数据集总结 ADE20K/cityScapes/VOC12_AUG的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1056854

相关文章

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Redis 中的热点键和数据倾斜示例详解

《Redis中的热点键和数据倾斜示例详解》热点键是指在Redis中被频繁访问的特定键,这些键由于其高访问频率,可能导致Redis服务器的性能问题,尤其是在高并发场景下,本文给大家介绍Redis中的热... 目录Redis 中的热点键和数据倾斜热点键(Hot Key)定义特点应对策略示例数据倾斜(Data S

Python实现将MySQL中所有表的数据都导出为CSV文件并压缩

《Python实现将MySQL中所有表的数据都导出为CSV文件并压缩》这篇文章主要为大家详细介绍了如何使用Python将MySQL数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到... python将mysql数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到另一个

java常见报错及解决方案总结

《java常见报错及解决方案总结》:本文主要介绍Java编程中常见错误类型及示例,包括语法错误、空指针异常、数组下标越界、类型转换异常、文件未找到异常、除以零异常、非法线程操作异常、方法未定义异常... 目录1. 语法错误 (Syntax Errors)示例 1:解决方案:2. 空指针异常 (NullPoi

SpringBoot整合jasypt实现重要数据加密

《SpringBoot整合jasypt实现重要数据加密》Jasypt是一个专注于简化Java加密操作的开源工具,:本文主要介绍详细介绍了如何使用jasypt实现重要数据加密,感兴趣的小伙伴可... 目录jasypt简介 jasypt的优点SpringBoot使用jasypt创建mapper接口配置文件加密

C++字符串提取和分割的多种方法

《C++字符串提取和分割的多种方法》在C++编程中,字符串处理是一个常见的任务,尤其是在需要从字符串中提取特定数据时,本文将详细探讨如何使用C++标准库中的工具来提取和分割字符串,并分析不同方法的适用... 目录1. 字符串提取的基本方法1.1 使用 std::istringstream 和 >> 操作符示

使用Python高效获取网络数据的操作指南

《使用Python高效获取网络数据的操作指南》网络爬虫是一种自动化程序,用于访问和提取网站上的数据,Python是进行网络爬虫开发的理想语言,拥有丰富的库和工具,使得编写和维护爬虫变得简单高效,本文将... 目录网络爬虫的基本概念常用库介绍安装库Requests和BeautifulSoup爬虫开发发送请求解