来自不同行业领域的50多个对象检测数据集( 二 ) 计算机视觉是一个快速发展的

*应用：检测车辆是自动驾驶的主要组成部分
*详细信息：7000种图像，在6种类型的车辆上具有15K +注释
*如何利用数据集并使用Tensorflow Object Detection构建自定义检测器API

G）BDD100K Adas数据集

文章插图
*目标：检测道路上的物体
*应用：检测车辆，交通标志和人是自动驾驶的主要组成部分
*详细信息：100K图像，对10种类型的对象提供250K +注释
*如何利用数据集并建立自定义使用Tensorflow对象检测API的检测器

H）Linkopings交通标志数据集

文章插图
*目标：检测图像中的交通标志
*应用：检测交通标志是了解交通规则的第一步
*详细信息：3K图像，对40多种类型的交通标志提供5K +注释
**如何利用数据集并使用Mmdet-Cascade Mask-Rcnn构建自定义检测器

时尚、零售和营销相关数据集A）广告牌检测（二次采样OpenImages数据集）数据集

文章插图
*目标：检测图像中的广告牌
*应用程序：检测广告牌是自动分析整个城市营销活动的关键部分
*详细信息：2K图像，广告牌上带有5K +注释
*如何利用数据集并使用Retinanet构建自定义检测器

B）DeepFashion2时尚元素检测数据集

文章插图
*目标：检测图像中的时尚产品，服装和配饰
*应用程序：应用程序时尚检测有着从数据排序到推荐引擎的巨大应用
*详细信息：490K图像，带有约100个注释对象类
*如何利用数据集并建立自定义CornetNet-Lite管道检测仪

*另一个与时尚相关的数据集是淘宝商品数据集

C）Qmul-OpenLogo徽标检测数据集

文章插图
*目标：检测自然图像中的不同徽标
*应用：分析视频和自然场景中徽标出现的频率对营销至关重要
*详细信息：16K训练图片，包括各种品牌的标识——食品、车辆、连锁餐厅、送货服务、航空公司等
*如何利用数据集并使用mx-rcnn管道构建自定义检测器

与体育相关的数据集A）足球检测数据集（从OpenImages数据集进行二次采样）

文章插图
*目标：在视频中跨帧检测足球
*应用：检测足球位置在越位等自动分析情况中至关重要
*详细信息：约3K训练图像。
*如何利用数据集并使用yolo-v3管道构建自定义检测器

B）扑克牌类型检测

文章插图
*目标：检测自然图像中的纸牌并分类纸牌类型
*应用：可能的应用是分析不同纸牌游戏的获胜几率
*详细信息：52种纸牌类型中500张以上的图像
*如何利用数据集并建立自定义使用mx-rcnn管道的检测器

C）热图像中的足球运动员检测

文章插图
*目标：使用热图像定位和跟踪玩家
*应用：跟踪游戏中的玩家是生成分析的关键部分
*详细信息：超过5K +注释的3K +图像。
*如何利用数据集和使用mmdet quick-rcnn管道构建自定义检测器

与安全和监视相关的数据集A）CCTV交通摄像头中的MIO-TCD车辆检测

文章插图
*目标：检测闭路电视摄像机中的车辆
*应用：检测闭路电视摄像机中的车辆是安全监控应用中的关键部分
*详细信息：113K图像，在5种以上类型的车辆上具有200K +注释
*如何利用数据集并使用Mmdet-Retinanet管道构建自定义检测器

B）WIDER人员检测数据集