【红外双目有监督】CATS系列数据集探索加载器

2023-10-17 02:20

本文主要是介绍【红外双目有监督】CATS系列数据集探索加载器,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!

论文:

CATS: A Color and Thermal Stereo Benchmark

https://www.
flir.com/oem/adas/adas-dataset-form/.

Flir thermal dataset

数据集规格
内容	总共 26,442 个 完全注释的帧,以及 15 个不同对象类别的520,000 个 边界框注释。
图片	9,711 张热图像和 9,233 张 RGB 训练/验证图像以及建议的训练/验证分割。包括 16 位 AGC 前帧。
视频	以 24Hz 录制的总共 7,498 个视频帧。热帧和可见帧之间 1:1 匹配。包括 16 位 AGC 前帧。
框架注释标签总计	热光谱和可见光谱中超过 375,000 个注释。
视频注释标签总计热光谱和可见光谱中超过 145,000 个注释标签类别	
人
自行车
车
摩托车
公共汽车
火车
卡车
红绿灯
消防栓
街道路标
狗
滑板
婴儿车
小型摩托车
其他车辆
热像仪规格	
Teledyne FLIR Tau 2 640x512,13mm f/1.0(HFOV 45°,VFOV 37°)可见光相机规格	Teledyne FLIR Blackfly S BFS-U3-51S5C (IMX250) 相机和 52.8° HFOV 爱特蒙特光学镜头
数据集文件格式热 - 14 位 TIFF(无 AGC)
热敏 8 位 JPEG(应用 AGC)
RGB - 8 位 JPEG
MSCOCO 格式注释 (JSON)
Conservator 格式注释 (JSON)

其中一个场景的文件结构

D:.
│  1.XYZ
│  10.XYZ
│  11.XYZ
│  12.XYZ
│  13.XYZ
│  14.XYZ
│  15.XYZ
│  2.XYZ
│  3.XYZ
│  4.XYZ
│  5.XYZ
│  6.XYZ
│  7.XYZ
│  8.XYZ
│  9.XYZ
│  book2.XYZ
│  book3.XYZ
│  book7.XYZ
│  book8.XYZ
│  BOOKS SCENE1.ply
│
├─gt
│  │  books1.asc
│  │  label_names.csv
│  │
│  └─thumbnails
│          1.png
│          10.png
│          11.png
│          12.png
│          13.png
│          14.png
│          15.png
│          2.png
│          3.png
│          4.png
│          5.png
│          6.png
│          7.png
│          8.png
│          9.png
│
├─gt_disparity
│  ├─color
│  │      disp_range.txt
│  │      gt_disparity.txt
│  │      gt_disparity_interp.txt
│  │
│  ├─cross
│  │      disp_range.txt
│  │      gt_disparity.txt
│  │      gt_disparity_interp.txt
│  │
│  └─thermal
│          disp_range.txt
│          gt_disparity.txt
│          gt_disparity_interp.txt
│
├─rawImages
│      left_color_dark.png
│      left_color_default.png
│      left_color_lowLight.png
│      left_thermal_dark.png
│      left_thermal_default.png
│      left_thermal_lowLight.png
│      right_color_dark.png
│      right_color_default.png
│      right_color_lowLight.png
│      right_thermal_dark.png
│      right_thermal_default.png
│      right_thermal_lowLight.png
│
└─rectified├─color│      left_color_dark.png│      left_color_default.png│      left_color_lowLight.png│      mask.png│      right_color_dark.png│      right_color_default.png│      right_color_lowLight.png│├─cross│      left_thermal_dark.png│      left_thermal_default.png│      left_thermal_lowLight.png│      mask.png│      right_color_dark.png│      right_color_default.png│      right_color_lowLight.png│└─thermalleft_thermal_dark.pngleft_thermal_default.pngleft_thermal_lowLight.pngmask.pngright_thermal_dark.pngright_thermal_default.pngright_thermal_lowLight.png

这篇关于【红外双目有监督】CATS系列数据集探索加载器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/222295

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl