ชุดข้อมูลการแบ่งส่วนความหมายของฉากการจราจรของกล้องวงจรปิด

การแบ่งส่วนอินสแตนซ์

ชุดข้อมูลการแบ่งส่วนความหมายของฉากการจราจรของกล้องวงจรปิด

ใช้กรณี: การขับขี่รถยนต์

รูปแบบ: วีดีโอ

นับ: 1.2k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "ชุดข้อมูลการแบ่งส่วนเชิงความหมายของฉากการจราจรของกล้องวงจรปิด" นำเสนอมุมมองที่เป็นเอกลักษณ์เฉพาะสำหรับการพัฒนาระบบขับขี่อัตโนมัติ โดยจับภาพความซับซ้อนของฉากการจราจรจากมุมมองคงที่ โดยใช้ภาพกล้องวงจรปิดความละเอียดสูงจากกล้องติดตามถนนที่มีความละเอียดเกิน 1600 x 1200 พิกเซลและอัตราเฟรมมากกว่า 7 เฟรมต่อวินาที ชุดข้อมูลนี้ให้การแบ่งส่วนอินสแตนซ์โดยละเอียดขององค์ประกอบต่างๆ ในการจราจร รวมถึงมนุษย์ สัตว์ ยานพาหนะที่ปั่นจักรยาน รถยนต์ และสิ่งกีดขวางบนถนน นอกจากนี้ยังครอบคลุมสภาพอากาศหลากหลาย จึงมอบชุดข้อมูลที่แข็งแกร่งสำหรับการฝึกระบบ AI เพื่อทำความเข้าใจและตีความสถานการณ์การจราจรที่หลากหลายจากมุมมองคงที่

ชุดข้อมูลการแบ่งส่วน City Sky Contour

การแบ่งส่วนรูปร่าง

ชุดข้อมูลการแบ่งส่วน City Sky Contour

ใช้กรณี: ชุดข้อมูลการแบ่งส่วน City Sky Contour

รูปแบบ: ภาพ

นับ: 17k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "ชุดข้อมูลการแบ่งส่วน City Sky Contour" ได้รับการดูแลจัดการสำหรับภาคความบันเทิงด้านภาพ โดยมีคอลเลกชันภาพที่รวบรวมทางอินเทอร์เน็ตที่มีความละเอียดสูง 3000 x 4000 พิกเซล ชุดข้อมูลนี้มีไว้เพื่อการแบ่งส่วนรูปร่างโดยเฉพาะ โดยมุ่งเน้นไปที่การถ่ายภาพท้องฟ้าในสภาพแวดล้อมในเมืองด้วยองค์ประกอบต่างๆ เช่น อาคารและต้นไม้ โดยให้ฉากหลังที่มีรายละเอียดสำหรับการสร้างเนื้อหาภาพต่างๆ

ชุดข้อมูลการแบ่งส่วนความหมายของฉากการจราจรบนกล้องหน้ารถ

การแบ่งส่วนความหมาย

ชุดข้อมูลการแบ่งส่วนความหมายของฉากการจราจรบนกล้องหน้ารถ

ใช้กรณี: การขับขี่รถยนต์

รูปแบบ: ภาพ

นับ: 210

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "Dashcam Traffic Scenes Semantic Segmentation Dataset" ถือเป็นสิ่งสำคัญสำหรับการผลักดันขอบเขตของเทคโนโลยีการขับขี่อัตโนมัติ ชุดข้อมูลนี้ประกอบด้วยภาพจากเครื่องบันทึกการขับขี่ที่มีความละเอียดประมาณ 1280 x 720 พิกเซล ซึ่งแบ่งส่วนตามความหมายเพื่อสะท้อนองค์ประกอบต่างๆ ของสภาพแวดล้อมการจราจรในเมืองและชานเมือง โดยแบ่งประเภทวัตถุและสถานการณ์ต่างๆ 24 ประเภทอย่างครอบคลุม เช่น ท้องฟ้า ผู้คน ยานยนต์ รถยนต์ที่ไม่ใช้เครื่องยนต์ ทางหลวง ทางเดินเท้า ทางม้าลาย ต้นไม้ อาคาร และอื่นๆ การแบ่งส่วนตามความหมายโดยละเอียดนี้ช่วยให้ระบบการขับขี่อัตโนมัติเข้าใจและตีความความซับซ้อนของถนนได้ดีขึ้น ซึ่งช่วยปรับปรุงการนำทางและโปรโตคอลด้านความปลอดภัย

ชุดข้อมูลการแบ่งส่วนพื้นที่ขับเคลื่อนได้

การแบ่งส่วนความหมาย การแบ่งส่วนแบบไบนารี

ชุดข้อมูลการแบ่งส่วนพื้นที่ขับเคลื่อนได้

ใช้กรณี: การขับขี่รถยนต์

รูปแบบ: ภาพ

นับ: 115.3k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "ชุดข้อมูลการแบ่งส่วนพื้นที่ขับขี่" ได้รับการสร้างขึ้นอย่างพิถีพิถันเพื่อเพิ่มขีดความสามารถของ AI ในการนำทางยานยนต์ไร้คนขับผ่านสภาพแวดล้อมการขับขี่ที่หลากหลาย โดยมีภาพความละเอียดสูงมากมายตั้งแต่ 1600 x 1200 ถึง 2592 x 1944 พิกเซล ซึ่งจับภาพพื้นผิวถนนประเภทต่างๆ เช่น ยางมะตอย คอนกรีต กรวด ดิน หิมะ และน้ำแข็ง ชุดข้อมูลนี้มีความสำคัญต่อการฝึกโมเดล AI เพื่อแยกความแตกต่างระหว่างพื้นที่ขับขี่ได้และพื้นที่ขับขี่ไม่ได้ ซึ่งเป็นประเด็นพื้นฐานของการขับขี่อัตโนมัติ โดยการให้การแบ่งส่วนทางความหมายและไบนารีโดยละเอียด มีวัตถุประสงค์เพื่อปรับปรุงความปลอดภัยและประสิทธิภาพของยานยนต์ไร้คนขับ ทำให้สามารถปรับตัวให้เข้ากับสภาพถนนและสภาพแวดล้อมที่แตกต่างกันซึ่งพบในสถานการณ์จริงได้

ชุดข้อมูลย้อนหลัง

ชุดข้อมูลย้อนหลัง

ใช้กรณี: การระบุจุดสังเกต, การติดแท็กสถานที่สำคัญ

รูปแบบ: .jpg, mp4

นับ: 2087

คำอธิบายประกอบ: ไม่

X

รายละเอียด: รวบรวมภาพ (ภาพถ่ายลงทะเบียน 1 ภาพ, ภาพถ่ายประวัติศาสตร์ 20 ภาพต่อตัวตน) และวิดีโอ (1 ภาพในอาคาร, 1 ภาพกลางแจ้ง) จากเอกลักษณ์เฉพาะตัว

ชุดข้อมูลการแบ่งส่วนวัตถุในอาคาร

การแบ่งส่วนอินสแตนซ์, การแบ่งส่วนความหมาย, การแบ่งส่วนรูปร่าง

ชุดข้อมูลการแบ่งส่วนวัตถุในอาคาร

ใช้กรณี: ชุดข้อมูลการแบ่งส่วนวัตถุในอาคาร

รูปแบบ: ภาพ

นับ: 51.6k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "ชุดข้อมูลการแบ่งส่วนวัตถุในอาคาร" ให้บริการภาคการโฆษณา เกม และความบันเทิงด้วยภาพ โดยนำเสนอภาพที่มีความละเอียดสูงตั้งแต่ 1024 × 1024 ถึง 3024 × 4032 ชุดข้อมูลนี้ประกอบด้วยวัตถุในอาคารทั่วไปและองค์ประกอบทางสถาปัตยกรรมมากกว่า 50 ประเภท เช่น เฟอร์นิเจอร์ และโครงสร้างห้อง ซึ่งมีคำอธิบายประกอบ เช่น การแบ่งส่วนความหมาย และการแบ่งส่วนรูปร่าง

ชุดข้อมูลวิดีโอการสุขาภิบาลห้องครัว

กล่องขอบเขตแท็ก

ชุดข้อมูลวิดีโอการสุขาภิบาลห้องครัว

ใช้กรณี: ชุดข้อมูลวิดีโอการสุขาภิบาลห้องครัว

รูปแบบ: วีดีโอ

นับ: 7k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: ภาพจากกล้องวงจรปิด ความละเอียดภาพมากกว่า 1920 x 1080 และจำนวนเฟรมต่อวินาทีของวิดีโอมากกว่า 30

ชุดข้อมูลภาพแลนด์มาร์ค

ชุดข้อมูลภาพแลนด์มาร์ค

ใช้กรณี: การระบุจุดสังเกต, การติดแท็กสถานที่สำคัญ

รูปแบบ: .jpg

นับ: 34118

คำอธิบายประกอบ: ไม่

X

รายละเอียด: ภาพสถานที่สำคัญในบริบทของสภาพแวดล้อม

อุปกรณ์บันทึก: กล้องมือถือ

เงื่อนไขการบันทึก: - กลางวัน - กลางคืน - มืดครึ้ม/ฝนตก

ชุดข้อมูลการแบ่งส่วนเลนไลน์

การแบ่งส่วนไบนารี การแบ่งส่วนทางความหมาย

ชุดข้อมูลการแบ่งส่วนเลนไลน์

ใช้กรณี: การขับขี่รถยนต์

รูปแบบ: ภาพ

นับ: 135.3k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "Lane Line Segmentation Dataset" ได้รับการออกแบบมาเพื่อเร่งความก้าวหน้าในเทคโนโลยีการขับขี่อัตโนมัติ โดยเน้นที่การตรวจจับและการแบ่งเลนโดยเฉพาะ โดยประกอบด้วยภาพจำนวนมากจากเครื่องบันทึกการขับขี่ที่แบ่งออกเป็น 35 หมวดหมู่ที่แตกต่างกัน เพื่อครอบคลุมเครื่องหมายบนถนนที่หลากหลาย เช่น เส้นทึบและเส้นประต่างๆ ในสีขาวและสีเหลือง ชุดข้อมูลนี้มีจุดมุ่งหมายเพื่อปรับแต่งความแม่นยำของ AI ในการระบุขอบเขตเลน ซึ่งมีความสำคัญต่อการนำทางที่ปลอดภัยของยานยนต์ไร้คนขับ

ชุดข้อมูลการรวมเลนและการแบ่งส่วนพื้นที่แยก

การแบ่งส่วนแบบไบนารี

ชุดข้อมูลการรวมเลนและการแบ่งส่วนพื้นที่แยก

ใช้กรณี: การขับขี่รถยนต์

รูปแบบ: ภาพ

นับ: 4.2k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "ชุดข้อมูลการรวมเลนและการแยกส่วนพื้นที่ทางแยก" กล่าวถึงความซับซ้อนของการรวมเลนและการแยกส่วนพื้นที่ทางแยกโดยเฉพาะ ซึ่งเป็นสถานการณ์สำคัญในการขับขี่อัตโนมัติ ชุดข้อมูลนี้ประกอบด้วยภาพจากเครื่องบันทึกการขับขี่ ซึ่งมีคำอธิบายประกอบสำหรับการแบ่งส่วนแบบไบนารี โดยเน้นที่พื้นที่ที่เลนรวมหรือแยกออกไป ชุดข้อมูลประกอบด้วยป้ายกำกับโดยละเอียดสำหรับพื้นที่การรวมเลน พื้นที่ทางแยกเลน (ทำเครื่องหมายด้วยเส้นสามเหลี่ยมคว่ำ) และสิ่งกีดขวางที่อาจเกิดขึ้น เช่น รถยนต์ ต้นไม้ ป้ายจราจร และคนเดินถนน ชุดข้อมูลนี้เป็นเครื่องมือสำคัญในการฝึกโมเดล AI เพื่อนำทางในสถานการณ์ถนนที่ท้าทายเหล่านี้ เพื่อให้แน่ใจว่าประสบการณ์การขับขี่อัตโนมัติจะราบรื่นและปลอดภัยยิ่งขึ้น

ชุดข้อมูลการแบ่งส่วนความหมายหลายสถานการณ์และบุคคล

การแบ่งส่วนรูปร่าง การแบ่งส่วนความหมาย

ชุดข้อมูลการแบ่งส่วนความหมายหลายสถานการณ์และบุคคล

ใช้กรณี: การแบ่งส่วนความหมายหลายสถานการณ์และบุคคล

รูปแบบ: ภาพ

นับ: 54k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: ชุดข้อมูล "การแบ่งส่วนความหมายหลายสถานการณ์และบุคคล" ได้รับการปรับแต่งสำหรับอุตสาหกรรมบันเทิงด้วยภาพ ซึ่งประกอบด้วยรูปภาพที่รวบรวมทางอินเทอร์เน็ตที่มีความละเอียดตั้งแต่ 1280 x 720 ถึง 6000 x 4000 โดยมุ่งเน้นไปที่ฉากที่มีบุคคลหลายคนในเมือง ธรรมชาติ และในอาคาร ให้คำอธิบายประกอบโดยละเอียดสำหรับรูปคน อุปกรณ์เสริม และพื้นหลัง

ชุดข้อมูลการแบ่งส่วน Panoptic อาคารกลางแจ้ง

การแบ่งส่วนแบบ Panoptic

ชุดข้อมูลการแบ่งส่วน Panoptic อาคารกลางแจ้ง

ใช้กรณี: ชุดข้อมูลการแบ่งส่วน Panoptic อาคารกลางแจ้ง

รูปแบบ: ภาพ

นับ: 1k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "ชุดข้อมูลการแบ่งส่วน Panoptic อาคารกลางแจ้ง" ได้รับการดูแลจัดการสำหรับอุตสาหกรรมบันเทิงด้านภาพ ซึ่งประกอบด้วยคอลเลกชันภาพกลางแจ้งที่รวบรวมทางอินเทอร์เน็ตซึ่งมีความละเอียดสูงเกิน 3024 x 4032 พิกเซล ชุดข้อมูลนี้มุ่งเน้นไปที่การแบ่งส่วนแบบพาโนรามา โดยบันทึกทุกตัวอย่างที่สามารถระบุตัวตนได้ภายในฉากกลางแจ้ง รวมถึงอาคาร ถนน ผู้คน รถยนต์ และอื่นๆ โดยให้ชุดข้อมูลที่ครอบคลุมสำหรับการวิเคราะห์และสร้างสภาพแวดล้อมโดยละเอียด

ชุดข้อมูลการแบ่งส่วนความหมายวัตถุกลางแจ้ง

กรอบล้อมรอบ ประเด็นสำคัญ

ชุดข้อมูลการแบ่งส่วนความหมายวัตถุกลางแจ้ง

ใช้กรณี: ชุดข้อมูลการแบ่งส่วนความหมายวัตถุกลางแจ้ง

รูปแบบ: ภาพ

นับ: 7.1k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "ชุดข้อมูลการแบ่งส่วนความหมายวัตถุกลางแจ้ง" ได้รับการพัฒนาสำหรับการใช้งานในสื่อ & ความบันเทิง และหุ่นยนต์ ซึ่งประกอบด้วยรูปภาพที่รวบรวมทางอินเทอร์เน็ตที่หลากหลาย โดยมีความละเอียดตั้งแต่ 1024 x 726 ถึง 2358 x 1801 พิกเซล ชุดข้อมูลนี้ใช้ Bounding Box และคำอธิบายประกอบประเด็นสำคัญเพื่อแบ่งส่วนองค์ประกอบกลางแจ้งต่างๆ รวมถึงส่วนของร่างกายมนุษย์ ทิวทัศน์ธรรมชาติ โครงสร้างทางสถาปัตยกรรม ทางเท้า วิธีการขนส่ง และอื่นๆ

ชุดข้อมูลการแบ่งส่วนฉาก Panoptic

การแบ่งส่วนความหมาย

ชุดข้อมูลการแบ่งส่วนฉาก Panoptic

ใช้กรณี: ชุดข้อมูลการแบ่งส่วนฉาก Panoptic

รูปแบบ: ภาพ

นับ: 21.3k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "ชุดข้อมูลการแบ่งส่วนฉากแบบพาโนรามา" เป็นทรัพยากรที่ครอบคลุมสำหรับสาขาหุ่นยนต์และความบันเทิงด้านภาพ ซึ่งประกอบด้วยรูปภาพหลากหลายที่รวบรวมทางอินเทอร์เน็ตที่มีความละเอียดตั้งแต่ 660 x 371 ถึง 5472 x 3648 พิกเซล ชุดข้อมูลนี้มุ่งเป้าไปที่การแบ่งส่วนความหมาย โดยจับองค์ประกอบที่หลากหลาย เช่น เครื่องบินแนวนอนและแนวตั้ง อาคาร ผู้คน สัตว์ และเฟอร์นิเจอร์ นำเสนอมุมมองแบบองค์รวมของฉากต่างๆ

ชุดข้อมูลการแบ่งส่วนฉากเกม PUBG

การแบ่งส่วนอินสแตนซ์, การแบ่งส่วนความหมาย

ชุดข้อมูลการแบ่งส่วนฉากเกม PUBG

ใช้กรณี: ชุดข้อมูลการแบ่งส่วนฉากเกม PUBG

รูปแบบ: ภาพ

นับ: 11.2k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "ชุดข้อมูลการแบ่งฉากเกม PUBG" ได้รับการออกแบบมาโดยเฉพาะสำหรับแอปพลิเคชันเกม โดยมีภาพหน้าจอจากเกม PUBG ยอดนิยมที่มีความละเอียด 1920 × 886, 1280 × 720 และ 1480 × 720 พิกเซล ประกอบด้วย 17 หมวดหมู่สำหรับอินสแตนซ์และการแบ่งส่วนความหมาย รวมถึงตัวละคร ยานพาหนะ ทิวทัศน์ และไอเท็มในเกม ซึ่งเป็นทรัพยากรที่สมบูรณ์สำหรับการพัฒนาและการวิเคราะห์เกม

ชุดข้อมูลการแบ่งส่วนความหมายของฉากถนน

การแบ่งส่วนความหมาย

ชุดข้อมูลการแบ่งส่วนความหมายของฉากถนน

ใช้กรณี: ชุดข้อมูลการแบ่งส่วนความหมายของฉากถนน

รูปแบบ: ภาพ

นับ: 2k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "ชุดข้อมูลการแบ่งส่วนความหมายของฉากถนน" ได้รับการออกแบบมาโดยเฉพาะสำหรับแอปพลิเคชันการขับขี่อัตโนมัติ โดยมีคอลเลกชันภาพที่รวบรวมทางอินเทอร์เน็ตที่มีความละเอียดมาตรฐาน 1920 x 1080 พิกเซล ชุดข้อมูลนี้มุ่งเน้นไปที่การแบ่งส่วนความหมาย โดยมีเป้าหมายเพื่อแบ่งส่วนองค์ประกอบต่างๆ ของฉากถนน เช่น ท้องฟ้า อาคาร เส้นเลน คนเดินเท้า และอื่นๆ อย่างถูกต้อง เพื่อสนับสนุนการพัฒนาระบบช่วยเหลือผู้ขับขี่ขั้นสูง (ADAS) และเทคโนโลยียานพาหนะอัตโนมัติ

ชุดข้อมูลการแบ่งส่วนฉากถนนแบบ Panoptic

การแบ่งส่วนแบบ Panoptic

ชุดข้อมูลการแบ่งส่วนฉากถนนแบบ Panoptic

ใช้กรณี: ชุดข้อมูลการแบ่งส่วนฉากถนนแบบ Panoptic

รูปแบบ: ภาพ

นับ: 1k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "ชุดข้อมูล Road Scenes Panoptic Segmentation" มุ่งเป้าไปที่แอปพลิเคชันด้านความบันเทิงทางภาพและการขับขี่แบบอัตโนมัติ โดยมีคอลเลกชันภาพถนนที่รวบรวมทางอินเทอร์เน็ตซึ่งมีความละเอียดสูงกว่า 1600 x 1200 พิกเซล ชุดข้อมูลนี้เชี่ยวชาญในการแบ่งส่วนแบบพาโนรามา โดยอธิบายทุกเหตุการณ์ที่ระบุตัวตนได้ภายในรูปภาพ เช่น ยานพาหนะ ถนน เส้นเลน พืชพรรณ และผู้คน โดยให้ชุดข้อมูลโดยละเอียดสำหรับการวิเคราะห์ฉากถนนที่ครอบคลุม

ชุดข้อมูล Sky Outline Matting

การแบ่งกลุ่ม

ชุดข้อมูล Sky Outline Matting

ใช้กรณี: ชุดข้อมูล Sky Outline Matting

รูปแบบ: ภาพ

นับ: 20k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "ชุดข้อมูล Sky Outline Matting" ของเรารองรับอุตสาหกรรมอินเทอร์เน็ต สื่อ และมือถือด้วยรูปภาพท้องฟ้าที่คัดสรรมาเป็นอย่างดี ชุดข้อมูลนี้มีสภาพท้องฟ้าที่หลากหลาย เช่น แดดจัด มีเมฆมาก พระอาทิตย์ขึ้น พระอาทิตย์ตก และอื่นๆ พร้อมการแบ่งส่วนอย่างละเอียดระดับพิกเซลสำหรับการดึงโครงร่างโดยละเอียด เหมาะสำหรับการใช้งานต่างๆ

ชุดข้อมูลการแบ่งส่วนท้องฟ้า

การแบ่งส่วนหน้ากาก

ชุดข้อมูลการแบ่งส่วนท้องฟ้า

ใช้กรณี: ชุดข้อมูลการแบ่งส่วนท้องฟ้า

รูปแบบ: ภาพ

นับ: 73.6k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "ชุดข้อมูลการแบ่งส่วนท้องฟ้า" ได้รับการดูแลอย่างพิถีพิถันสำหรับอุตสาหกรรมบันเทิงด้วยภาพ โดยประกอบด้วยภาพที่ถ่ายด้วยตนเองซึ่งมีความละเอียดตั้งแต่ 937 × 528 ถึง 9961 × 3000 คอลเลกชันนี้จัดทำขึ้นเพื่อการแบ่งส่วนของท้องฟ้าในช่วงเวลาต่างๆ ของกลางวันและกลางคืน โดยให้ ช่วงไดนามิกของสถานการณ์ท้องฟ้ากลางแจ้งสำหรับงานแบ่งส่วนหน้ากากที่ครอบคลุม

ชุดข้อมูลการแบ่งส่วนทางเดิน

การแบ่งส่วนอินสแตนซ์ การแบ่งส่วนไบนารี

ชุดข้อมูลการแบ่งส่วนทางเดิน

ใช้กรณี: การขับขี่รถยนต์

รูปแบบ: ภาพ

นับ: 87.8k

คำอธิบายประกอบ: ใช่

X

รายละเอียด: "ชุดข้อมูลการแบ่งส่วนทางเดิน" ได้รับการออกแบบมาเพื่อเพิ่มความปลอดภัยและประสิทธิภาพของระบบขับขี่อัตโนมัติโดยเน้นที่การระบุและแบ่งส่วนทางเดินสำหรับคนเดินเท้าอย่างแม่นยำ ชุดข้อมูลนี้ซึ่งประกอบด้วยภาพจากเครื่องบันทึกการขับขี่มีความสำคัญต่อการฝึกโมเดล AI เพื่อแยกแยะระหว่างพื้นที่ขับขี่และเขตคนเดินเท้า โดยการแบ่งส่วนพื้นที่คนเดินเท้าโดยใช้เทคนิคการแบ่งส่วนทั้งแบบอินสแตนซ์และแบบไบนารี ทำให้เป็นทรัพยากรที่สำคัญสำหรับการพัฒนายานยนต์ไร้คนขับที่สามารถนำทางในสภาพแวดล้อมในเมืองได้อย่างปลอดภัย