Set di dati di scenari ambientali di livello aziendale per lo sviluppo di AI/ML

Descrizione: Il "CCTV Traffic Scene Semantic Segmentation Dataset" offre una prospettiva unica per lo sviluppo della guida autonoma, catturando le complessità delle scene di traffico da un punto di vista stazionario. Utilizzando filmati CCTV ad alta risoluzione da telecamere di monitoraggio stradale, con risoluzioni superiori a 1600 x 1200 pixel e una frequenza fotogrammi di oltre 7 fps, questo set di dati fornisce una segmentazione dettagliata delle istanze di vari elementi nel traffico, tra cui esseri umani, animali, veicoli in bicicletta, automobili e barriere stradali. Comprende anche una gamma di condizioni meteorologiche, offrendo un set di dati robusto per addestrare i sistemi di intelligenza artificiale a comprendere e interpretare diversi scenari di traffico da un punto di vista fisso.

Descrizione: Il "City Sky Contour Segmentation Dataset" è curato per il settore dell'intrattenimento visivo e presenta una raccolta di immagini raccolte su Internet con un'alta risoluzione di 3000 x 4000 pixel. Questo set di dati è dedicato alla segmentazione dei contorni, concentrandosi sulla cattura del cielo in contesti urbani con elementi come edifici e piante, fornendo uno sfondo dettagliato per la creazione di vari contenuti visivi.

Descrizione: Il "Dashcam Traffic Scenes Semantic Segmentation Dataset" è essenziale per superare i limiti delle tecnologie di guida autonoma. Questo dataset contiene immagini di registratori di guida con una risoluzione di circa 1280 x 720 pixel, segmentate semanticamente per riflettere vari elementi degli ambienti di traffico urbano e suburbano. Categorizza in modo completo 24 diversi oggetti e scenari, tra cui cielo, persone, veicoli a motore, veicoli non motorizzati, autostrade, percorsi pedonali, attraversamenti pedonali, alberi, edifici e altro ancora. Questa segmentazione semantica dettagliata consente ai sistemi di guida autonoma di comprendere e interpretare meglio le complessità della strada, migliorando i protocolli di navigazione e sicurezza.

Descrizione: Il "Drivable Area Segmentation Dataset" è meticolosamente realizzato per migliorare le capacità dell'IA nella guida di veicoli autonomi attraverso diversi ambienti di guida. Presenta un'ampia gamma di immagini ad alta risoluzione, con risoluzioni che vanno da 1600 x 1200 a 2592 x 1944 pixel, che catturano vari tipi di pavimentazione come bitume, cemento, ghiaia, terra, neve e ghiaccio. Questo set di dati è fondamentale per addestrare i modelli di IA a distinguere tra aree percorribili e non percorribili, un aspetto fondamentale della guida autonoma. Fornendo una segmentazione semantica e binaria dettagliata, mira a migliorare la sicurezza e l'efficienza dei veicoli autonomi, assicurando che possano adattarsi a diverse condizioni stradali e ambienti incontrati in scenari del mondo reale.

Descrizione: Raccogli immagini (1 foto di iscrizione, 20 foto storiche per identità) e video (1 indoor, 1 outdoor) da identità uniche

Descrizione: Il "set di dati sulla segmentazione degli oggetti per interni" serve i settori della pubblicità, dei giochi e dell'intrattenimento visivo, offrendo immagini ad alta risoluzione che vanno da 1024 × 1024 a 3024 × 4032. Questo set di dati include oltre 50 tipi di oggetti interni comuni ed elementi architettonici, come i mobili e strutture delle stanze, annotate ad esempio, semantica e segmentazione dei contorni.

Descrizione: Immagini delle telecamere CCTV. La risoluzione è superiore a 1920 x 1080 e il numero di fotogrammi al secondo del video è superiore a 30.

Descrizione: Immagini di punti di riferimento nel contesto del loro ambiente

Registratore: Fotocamera mobile

Condizione di registrazione: - Luce diurna - Notte - Coperto/Pioggia

Descrizione: Il "Lane Line Segmentation Dataset" è progettato per accelerare i progressi nelle tecnologie di guida autonoma, concentrandosi specificamente sul rilevamento e la segmentazione delle corsie. Include una vasta gamma di immagini da registratori di guida, segmentate in 35 categorie distinte per coprire una gamma completa di segnaletica stradale come varie linee continue e tratteggiate in bianco e giallo. Questo set di dati mira a perfezionare la precisione dell'IA nell'identificazione dei confini delle corsie, cruciale per la navigazione sicura dei veicoli autonomi.

Descrizione: Il "Lane Merging and Fork Area Segmentation Dataset" affronta specificamente le complessità dell'unione e dell'incrocio delle corsie, scenari critici nella guida autonoma. Questo dataset, costituito da immagini del registratore di guida, è annotato per la segmentazione binaria, concentrandosi sulle aree in cui le corsie si uniscono o si diramano. Include etichette dettagliate per le aree di unione delle corsie, le aree di biforcazione delle corsie (contrassegnate da linee triangolari invertite) e potenziali ostacoli come veicoli, alberi, segnali stradali e pedoni. Questo dataset è uno strumento essenziale per addestrare modelli di intelligenza artificiale a gestire queste difficili situazioni stradali, garantendo esperienze di guida autonoma più fluide e sicure.

Descrizione: Il set di dati "Segmentazione semantica di scenari multipli e persone" è personalizzato per il settore dell'intrattenimento visivo e comprende immagini raccolte su Internet con risoluzioni da 1280 x 720 a 6000 x 4000. Si concentra su scene con più persone in ambienti urbani, naturali e interni, fornendo annotazioni dettagliate per figure umane, accessori e sfondi.

Descrizione: Il "Outdoor Building Panoptic Segmentation Dataset" è curato per il settore dell'intrattenimento visivo, costituito da una raccolta di immagini esterne raccolte su Internet con risoluzioni elevate superiori a 3024 x 4032 pixel. Questo dataset si concentra sulla segmentazione panottica, catturando ogni istanza identificabile all'interno delle scene esterne, inclusi edifici, strade, persone, auto e altro, fornendo un dataset completo per l'analisi e la creazione ambientale dettagliata.

Descrizione: Il "set di dati di segmentazione semantica degli oggetti esterni" è sviluppato per applicazioni nei settori dei media, dell'intrattenimento e della robotica, costituito da una varietà di immagini raccolte su Internet con risoluzioni che vanno da 1024 x 726 a 2358 x 1801 pixel. Questo set di dati utilizza riquadri di delimitazione e annotazioni di punti chiave per segmentare vari elementi esterni, tra cui parti del corpo umano, scenari naturali, strutture architettoniche, marciapiedi, mezzi di trasporto e altro ancora.

Descrizione: Il "Panoptic Scenes Segmentation Dataset" è una risorsa completa per i campi della robotica e dell'intrattenimento visivo, costituita da un'ampia gamma di immagini raccolte su Internet con risoluzioni da 660 x 371 a 5472 x 3648 pixel. Questo set di dati mira alla segmentazione semantica, catturando diversi elementi come piani orizzontali e verticali, edifici, persone, animali e mobili, offrendo una visione olistica di varie scene.

Descrizione: Il "set di dati di segmentazione delle scene di gioco PUBG" è progettato specificamente per le applicazioni di gioco e include screenshot del popolare gioco PUBG con risoluzioni di 1920 × 886, 1280 × 720 e 1480 × 720 pixel. Comprende 17 categorie, ad esempio, e una segmentazione semantica, inclusi personaggi, veicoli, paesaggi e oggetti di gioco, fornendo una ricca risorsa per lo sviluppo e l'analisi del gioco.

Descrizione: Il "set di dati di segmentazione semantica delle scene stradali" è progettato specificamente per applicazioni di guida autonoma e presenta una raccolta di immagini raccolte su Internet con una risoluzione standard di 1920 x 1080 pixel. Questo set di dati si concentra sulla segmentazione semantica, con l'obiettivo di segmentare accuratamente vari elementi delle scene stradali come il cielo, gli edifici, le corsie, i pedoni e altro, per supportare lo sviluppo di sistemi avanzati di assistenza alla guida (ADAS) e tecnologie di veicoli autonomi.

Descrizione: Il "Road Scenes Panoptic Segmentation Dataset" è destinato ad applicazioni nell'intrattenimento visivo e nella guida autonoma, e comprende una raccolta di immagini di scene stradali raccolte su Internet con risoluzioni superiori a 1600 x 1200 pixel. Questo dataset è specializzato nella segmentazione panottica, annotando ogni istanza identificabile all'interno delle immagini, come veicoli, strade, linee di corsia, vegetazione e persone, fornendo un dataset dettagliato per un'analisi completa delle scene stradali.

Descrizione: Il nostro "Sky Outline Matting Dataset" si rivolge ai settori di Internet, dei media e della telefonia mobile con una selezione curata di immagini del cielo. Questo set di dati presenta diverse condizioni del cielo, tra cui soleggiato, nuvoloso, alba, tramonto e altro, con segmentazione fine a livello di pixel per l'estrazione dettagliata dei contorni, adatta a varie applicazioni.

Descrizione: Il "Sky Segmentation Dataset" è meticolosamente curato per l'industria dell'intrattenimento visivo, con immagini catturate manualmente con risoluzioni variabili da 937 × 528 a 9961 × 3000. Questa raccolta è dedicata alla segmentazione dei cieli in diversi momenti del giorno e della notte, fornendo una gamma dinamica di scenari di cielo all'aperto per attività complete di segmentazione della maschera.

Descrizione: Il "Walkway Segmentation Dataset" è stato creato per migliorare la sicurezza e l'efficienza dei sistemi di guida autonoma concentrandosi sull'identificazione e la segmentazione accurate dei marciapiedi pedonali. Questo dataset, contenente immagini da registratori di guida, è fondamentale per addestrare i modelli di intelligenza artificiale a distinguere tra aree percorribili e zone pedonali. Segmentando le aree pedonali pedonali tramite tecniche di segmentazione sia istanza che binaria, fornisce una risorsa fondamentale per lo sviluppo di veicoli autonomi in grado di muoversi in sicurezza negli ambienti urbani.