来自不同行业领域的50多个对象检测数据集计算机视觉是一个快速发展的

文章插图
计算机视觉是一个快速发展的领域，每天都有大量的新技术和算法出现在不同的会议和期刊上。说到目标检测，理论上你会学到很多算法，比如Faster-rcnn、Mask rcnn、Yolo、SSD、Retinenet、级联rcnn、Peleenet、EfficientDet、CornerNet… 。这张算法清单是永远列不完的！
通过将其应用到不同的数据集来巩固你的学习经验总是有益的！！！
这样一来，你往往会更好地理解算法，并且可以直观了解哪些算法可以在哪种数据集上运行。
我们在Monk Computer Vision Org的开源团队编制了一个对象检测，图像分割和动作识别数据集的列表，并针对每个对象创建了简短的教程，供你使用这些数据集并尝试不同的对象检测算法
下面提到的是对象检测数据集的简短列表，有关它们的简短详细信息以及使用它们的步骤。数据集来自以下领域：
★农业 ★高级驾驶员辅助和自动驾驶汽车系统 ★时尚，零售和营销 ★野生动物 ★体育 ★卫星成像 ★医学成像 ★安全和监视 ★水下成像
….. 以及更多！！！！！
完整列表可在github上找到相关的使用说明和训练代码

与农业有关的数据集A）Winegrape检测数据集

文章插图
*目标：检测葡萄园中的葡萄簇
*应用：监测生长并分析产量
*详细信息：300幅图像，带有5个葡萄类别的4400个边界框
*如何利用数据集并使用YoloV3管道构建自定义检测器

B）全球小麦检测数据集

文章插图
*目标：检测田间的小麦作物
*应用：监测生长并分析产量
*详细信息：带有100K +批注的3430图像
*如何利用数据集并使用EfficientDet-D4管道构建自定义检测器

(Starter%20Code)%20.ipynb

先进的驾驶员辅助和自动驾驶汽车系统相关数据集A）LISA交通标志检测数据集

文章插图
*目标：用于检测和分类行车记录仪图像中的交通标志
*应用：交通标志识别是自动驾驶的规则设置程序
*详细信息：在47种美国标志类型上的6610帧上有7855个注释
*如何利用数据集并建立自定义使用EfficientDet-D3管线的探测器

(Multi-GPU).ipynb

*此存储库又多了一个数据集

LISA车辆检测数据

B）低光照条件下的物体检测

文章插图
*目标：在低光照条件下检测道路上的物体——雾，雾霾，下雨等
*应用：这是自动驾驶汽车中的重要组成部分，因为它能够检测物体，因此在不利条件下属于更安全的车辆
*细节：在12种不同对象类型上的7500帧上的15K +注释
*如何利用数据集和使用EfficientDet-D3管道构建自定义检测器

C）LARA交通灯检测数据集

文章插图
*目标：检测交通信号灯并将其分类为红色，绿色和黄色
*应用程序：可以为道路网络交叉口的adas和自动驾驶汽车系统设置规则
*详细信息：三种交通类型的11K帧和20K +注释灯光
*如何利用数据集并建立使用Mmdet-Faster-Rcnn-fpn50管道自定义检测

D）使用红外图像进行人检测

文章插图
*目标：用于检测红外图像中的人
*应用：自动驾驶汽车配备了红外摄像头以检测恶劣条件下的物体
*详细信息：30个带有1K +注释的视频序列
*如何利用数据集并使用Mx-Rcnn管道构建自定义检测器

E）坑洼检测数据集

文章插图
*目标：从道路图像中检测坑洼
*应用：检测道路地形和坑洼可实现平稳行驶。
*详细信息： 700个在坑洼处带有3K +注释的图像
*如何利用数据集和使用M-Rcnn管道构建自定义检测器

F）Nexet车辆检测数据集

文章插图
*目标：检测车辆的道路图像