来自不同行业领域的50多个对象检测数据集( 五 )


*如何利用数据集并使用Retinanet管道构建自定义检测器

其他数据集A)TACO垃圾检测数据集

来自不同行业领域的50多个对象检测数据集文章插图
*目标–定位和分割图像中的各种垃圾
*应用程序:试图解决公共场所垃圾问题的自动机器人的关键组件
*详细信息:包含20种以上不同类别垃圾对象的15K +注释的10K图像
*如何利用数据集并使用Retinanet管道构建自定义检测器
  • (Waste)%20Detection.ipynb
B)室内场景通用物体检测数据集

来自不同行业领域的50多个对象检测数据集文章插图
*目标:定位和检测图像中的室内对象
*应用程序:在带有便利设施的房地产和租赁网站中为图像自动标记
*详细信息:超过10种不同类别的室内对象(例如电器 , 床 , 窗帘 , 椅子等)
*如何利用数据集和使用Retinanet管道构建自定义检测器
C)EgoHands手部分割数据集

来自不同行业领域的50多个对象检测数据集文章插图
*目标:在自然场景中分割手
*应用:理解手势的第一步 , 以及在人机交互 , 手语识别中的应用
*详细信息:4.8K +图像和相应的手罩 。
*如何利用数据集和使用Retinanet管道构建自定义检测器
  • (Ego-Hands%20Dataset).ipynb
D)UCF动作识别数据集

来自不同行业领域的50多个对象检测数据集文章插图
*目标:根据视频中执行的操作对视频进行分类
*应用:标记视频对于存储和检索大量视频很重要
*详细信息:对应于101种动作类别的1K +视频 。
*如何利用数据集和使用mmaction-tsn50管道构建自定义分类器
E)油罐数据集

来自不同行业领域的50多个对象检测数据集文章插图
*目标:在卫星图像中检测油罐
*应用:跟踪油罐
*详细信息:具有10K +注释的10K +图像 。
*如何利用数据集并使用Retinanet管道构建自定义分类器
其他动作识别数据集A)楼梯动作识别数据集以及如何在其上训练模型
  • 数据集:
  • 训练模型:
B)A2D动作识别数据集以及如何在其上训练模型
  • 数据集:~jjcorso/r/a2d/
  • 训练模型:
C)KTH动作识别数据集以及如何在其上训练模型
  • 数据集:
  • 训练模型: