Yritystason ympäristökohtaiset tietojoukot AI/ML-kehitykseen

Kuvaus: "CCTV Traffic Scene Semantic Segmentation Dataset" tarjoaa ainutlaatuisen näkökulman autonomisen ajon kehitykseen ja vangitsee liikennekohtausten monimutkaisuudet kiinteästä näkökulmasta. Tämä tietojoukko hyödyntää tienvalvontakameroiden korkearesoluutioista CCTV-materiaalia, jonka resoluutio on yli 1600 1200 x 7 XNUMX pikseliä ja kuvanopeus yli XNUMX fps. tien esteet. Se kattaa myös erilaisia ​​sääolosuhteita ja tarjoaa vankan tietojoukon tekoälyjärjestelmien kouluttamiseen ymmärtämään ja tulkitsemaan erilaisia ​​liikenneskenaarioita kiinteästä näkökulmasta.

Kuvaus: "City Sky Contour Segmentation Dataset" on kuratoitu visuaalisen viihteen sektorille, ja se sisältää kokoelman Internetistä kerättyjä kuvia, joiden korkea resoluutio on 3000 x 4000 pikseliä. Tämä tietojoukko on omistettu ääriviivojen segmentoinnille, ja se keskittyy taivaan vangitsemiseen kaupunkiympäristössä elementeillä, kuten rakennuksilla ja kasveilla, ja tarjoaa yksityiskohtaisen taustan erilaisille visuaalisen sisällön luomiselle.

Kuvaus: "Dashcam Traffic Scenes Semantic Segmentation Dataset" on välttämätön autonomisen ajotekniikan rajojen ylittämisessä. Tämä tietojoukko sisältää ajotallentimen kuvia, joiden resoluutio on noin 1280 x 720 pikseliä, segmentoituna semanttisesti heijastamaan kaupunki- ja esikaupunkiliikenteen eri elementtejä. Se luokittelee kattavasti 24 erilaista kohdetta ja skenaariota, mukaan lukien taivas, ihmiset, moottoriajoneuvot, ei-moottoroidut ajoneuvot, moottoritiet, jalankulkureitit, suojatie, puut, rakennukset ja paljon muuta. Tämä yksityiskohtainen semanttinen segmentointi antaa autonomisille ajojärjestelmille mahdollisuuden ymmärtää ja tulkita paremmin tien monimutkaisuutta, mikä parantaa navigointi- ja turvallisuusprotokollia.

Kuvaus: "Drivable Area Segmentation Dataset" on huolellisesti suunniteltu parantamaan tekoälyn kykyjä navigoida autonomisissa ajoneuvoissa erilaisissa ajoympäristöissä. Se sisältää laajan valikoiman korkearesoluutioisia kuvia, joiden resoluutio vaihtelee 1600 x 1200 - 2592 x 1944 pikselistä, ja se tallentaa erilaisia ​​päällystetyyppejä, kuten bitumia, betonia, soraa, maata, lunta ja jäätä. Tämä tietojoukko on elintärkeä AI-mallien koulutuksessa erottamaan toisistaan ​​ajettavat ja ei-ajettavat alueet, mikä on autonomisen ajamisen perustekijä. Tarjoamalla yksityiskohtaisen semanttisen ja binäärisegmentoinnin, se pyrkii parantamaan autonomisten ajoneuvojen turvallisuutta ja tehokkuutta varmistaen, että ne voivat mukautua erilaisiin tieolosuhteisiin ja ympäristöihin, joita kohdataan todellisissa skenaarioissa.

Kuvaus: Kerää kuvia (1 ilmoittautumisvalokuva, 20 historiallista valokuvaa per henkilöllisyys) ja videoita (1 sisätiloissa, 1 ulkona) ainutlaatuisista identiteeteistä

Kuvaus: "Indoor Objects Segmentation Dataset" palvelee mainos-, peli- ja visuaalista viihdesektoria tarjoamalla korkearesoluutioisia kuvia 1024 × 1024 - 3024 × 4032 välillä. Tämä tietojoukko sisältää yli 50 tyyppiä yleisiä sisäesineitä ja arkkitehtonisia elementtejä, kuten huonekaluja. ja huonerakenteet, esimerkiksi huomautukset, semanttinen ja ääriviivasegmentointi.

Kuvaus: CCTV-kamerat kuvat. Resoluutio on yli 1920 x 1080 ja videon ruutujen määrä sekunnissa yli 30.

Kuvaus: Kuvia maamerkeistä ympäristönsä yhteydessä

Tallennuslaite: Mobiili kamera

Tallennusolosuhteet: - Päivänvalo - Yö - Pilvistä/sadetta

Kuvaus: "Lane Line Segmentation Dataset" on suunniteltu nopeuttamaan autonomisen ajotekniikan kehitystä keskittyen erityisesti kaistantunnistukseen ja segmentointiin. Se sisältää suuren joukon kuvia ajotallentimista, jaottuna 35 eri luokkaan kattamaan kattavan valikoiman tiemerkintöjä, kuten erilaisia ​​yhtenäisiä ja katkoviivoja valkoisena ja keltaisena. Tämän tietojoukon tarkoituksena on jalostaa tekoälyn tarkkuutta kaistarajojen tunnistamisessa, mikä on ratkaisevan tärkeää autonomisten ajoneuvojen turvalliselle navigoinnille.

Kuvaus: "Kaistojen yhdistämis- ja haarukkaalueiden segmentointitietoaineisto" käsittelee erityisesti kaistan yhdistämisen ja haarautumien monimutkaisuutta, kriittisiä skenaarioita autonomisessa ajossa. Tämä tietojoukko, joka koostuu ajotallentimen kuvista, on merkitty binäärisegmentointia varten, ja se keskittyy alueisiin, joissa kaistat sulautuvat tai haarautuvat. Se sisältää yksityiskohtaiset tarrat kaistan yhdistämisalueille, kaistan haaraalueille (merkitty kolmiomaisilla käänteisillä viivoilla) ja mahdollisista esteistä, kuten ajoneuvoista, puista, liikennemerkeistä ja jalankulkijoista. Tämä tietojoukko on elintärkeä työkalu tekoälymallien kouluttamiseen, jotta ne voivat navigoida näissä haastavissa tietilanteissa ja varmistaa sujuvamman ja turvallisemman autonomisen ajokokemuksen.

Kuvaus: "Multiple Scenarios And Persons Semantic Segmentation" -tietojoukko on räätälöity visuaalista viihdeteollisuutta varten, ja se sisältää internetistä kerättyjä kuvia, joiden resoluutio on 1280 x 720 - 6000 x 4000. Se keskittyy usean ihmisen kohtauksiin kaupunki-, luonnon- ja sisätiloissa, tarjoaa yksityiskohtaisia ​​huomautuksia ihmishahmoista, tarvikkeista ja taustoista.

Kuvaus: "Outdoor Building Panoptic Segmentation Dataset" on kuratoitu visuaalisen viihteen teollisuudelle, ja se koostuu kokoelmasta internetistä kerättyjä ulkokuvia, joiden resoluutio on yli 3024 x 4032 pikseliä. Tämä tietojoukko keskittyy panoptiseen segmentointiin ja kaappaa kaikki tunnistettavissa olevat tapahtumat ulkona, mukaan lukien rakennukset, tiet, ihmiset, autot ja paljon muuta. Se tarjoaa kattavan tietojoukon yksityiskohtaista ympäristöanalyysiä ja luomista varten.

Kuvaus: "Outdoor Objects Semantic Segmentation Dataset" on kehitetty median, viihteen ja robotiikan sovelluksiin, ja se koostuu erilaisista Internetistä kerätyistä kuvista, joiden resoluutio vaihtelee välillä 1024 x 726 - 2358 x 1801 pikseliä. Tämä tietojoukko käyttää rajausruutua ja avainpistemerkintöjä erilaisten ulkoelementtien segmentoimiseksi, mukaan lukien ihmisen ruumiinosat, luonnonmaisemat, arkkitehtoniset rakenteet, jalkakäytävät, kulkuvälineet ja paljon muuta.

Kuvaus: "Panoptic Scenes Segmentation Dataset" on kattava resurssi robotiikan ja visuaalisen viihteen aloille, ja se koostuu laajasta valikoimasta Internetistä kerättyjä kuvia, joiden resoluutio on 660 x 371 - 5472 x 3648 pikseliä. Tämä tietojoukko on tarkoitettu semanttiseen segmentointiin ja se kaappaa erilaisia ​​elementtejä, kuten vaaka- ja pystytasoja, rakennuksia, ihmisiä, eläimiä ja huonekaluja, ja tarjoaa kokonaisvaltaisen näkymän erilaisista kohtauksista.

Kuvaus: "PUBG Game Scenes Segmentation Dataset" on suunniteltu erityisesti pelisovelluksiin, ja se sisältää kuvakaappauksia suositusta pelistä PUBG, joiden resoluutio on 1920 × 886, 1280 × 720 ja 1480 × 720 pikseliä. Se sisältää esimerkiksi 17 luokkaa ja semanttisen segmentoinnin, mukaan lukien hahmot, ajoneuvot, maisemat ja pelin sisäiset kohteet, tarjoten runsaan resurssin pelien kehittämiseen ja analysointiin.

Kuvaus: "Road Scene Semantic Segmentation Dataset" on erityisesti suunniteltu autonomisiin ajosovelluksiin, ja se sisältää kokoelman Internetistä kerättyjä kuvia, joiden vakioresoluutio on 1920 x 1080 pikseliä. Tämä tietojoukko keskittyy semanttiseen segmentointiin, ja se pyrkii segmentoimaan tarkasti eri elementtejä tienäkymistä, kuten taivasta, rakennuksia, kaistalinjoja, jalankulkijoita ja paljon muuta, jotta voidaan tukea edistyneiden kuljettajaa avustavien järjestelmien (ADAS) ja autonomisten ajoneuvotekniikoiden kehitystä.

Kuvaus: "Road Scenes Panoptic Segmentation Dataset" on tarkoitettu visuaalisen viihteen ja autonomisen ajon sovelluksiin, ja se sisältää kokoelman internetistä kerättyjä tienäkymäkuvia, joiden resoluutio on yli 1600 x 1200 pikseliä. Tämä tietojoukko on erikoistunut panoptiseen segmentointiin, joka merkitsee kuvien kaikki tunnistettavat kohteet, kuten ajoneuvot, tiet, kaistaviivat, kasvillisuus ja ihmiset, ja tarjoaa yksityiskohtaisen tietojoukon kattavaa tienäkymän analysointia varten.

Kuvaus: "Sky Outline Matting Dataset" palvelee internet-, media- ja mobiiliteollisuutta kuratoidulla valikoimalla taivaskuvia. Tämä tietojoukko sisältää erilaisia ​​taivasolosuhteita, kuten aurinkoista, pilvistä, auringonnousua, auringonlaskua ja paljon muuta, ja pikselitason hienosegmentoinnilla yksityiskohtaista ääriviivojen erottamista varten, joka sopii erilaisiin sovelluksiin.

Kuvaus: "Sky Segmentation Dataset" on huolellisesti kuratoitu visuaalista viihdeteollisuutta varten, ja se sisältää manuaalisesti otettuja kuvia, joiden resoluutio vaihtelee välillä 937 × 528 - 9961 × 3000. Tämä kokoelma on omistettu taivaan segmentoimiseen eri vuorokaudenaikoina ja tarjoaa dynaaminen valikoima ulkoilmataivasskenaarioita kattaviin maskien segmentointitehtäviin.

Kuvaus: "Walkway Segmentation Dataset" on suunniteltu parantamaan autonomisten ajojärjestelmien turvallisuutta ja tehokkuutta keskittymällä jalankulkuteiden tarkkaan tunnistamiseen ja segmentointiin. Tämä tietojoukko, joka sisältää kuvia ajotallentimista, on erittäin tärkeä AI-mallien koulutuksessa erottamaan toisistaan ​​ajettavat alueet ja jalankulkualueet. Segmentoimalla jalankulkijoiden kävelyalueet sekä instanssi- että binäärisegmentointitekniikoiden avulla se tarjoaa kriittisen resurssin kehittää autonomisia ajoneuvoja, jotka voivat navigoida turvallisesti kaupunkiympäristöissä.