位置: IT常识 - 正文

(一)ADE20K数据集(adas数据集)

编辑:rootadmin
(一)ADE20K数据集

推荐整理分享(一)ADE20K数据集(adas数据集),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:adressa数据集,adressa数据集,adfa-ld数据集,asd数据集,dbp15k数据集,adressa数据集,adressa数据集,adfa-ld数据集,内容如对您有帮助,希望把文章链接给更多的朋友!

欢迎访问个人网络日志🌹🌹知行空间🌹🌹

文章目录1.背景简介2.ADE20K3.使用ADE20K参考资料1.背景简介

ADE20K数据集是2016年MIT开放的场景理解的数据集,可用于实例分割,语义分割和零部件分割。利用图像信息进行场景理解 scene understanding和 scene parsing。

语义分割 Semantic Segmentation即最常见的任务,将图像的不同像素按对象类别 object category进行分类,实例分割Instance Segmentation不仅要识别不同物体所属的类别,还需识别出同类的不同物体。零部件分割 Part Segmentation是在识别出的物体上分割出不同部分所属的零部件类别,这对于理解场景帮助机器人与环境交互十分重要,如在某个 scene中分割出来 chair或者 cup,为了坐下或者拿起杯⼦需要找到 objects中对应的 parts,如 chair可以坐的部分, cup的杯柄, 以实现机器⼈与知行特定的任务。

已有分割公开数据集的现状:

类别有限, 且有些数据类别在实际⽣活中并不常⻅如 COCO和 PASCAL数据集;包含的场景过少,如 Cityscapes仅包含城市街区的场景数据;Pascal-Context和 SUN还不错, 但 Pascal-Context主要包含其20个对象类的场景, ⽽SUN在对象级别的标注是不准确的。2.ADE20K

1>ADE20K的官网:https://groups.csail.mit.edu/vision/datasets/ADE20K/index.html

2>ECCV 2016举办的Scene Parsing Challenge 2016http://sceneparsing.csail.mit.edu/index_challenge.html

(一)ADE20K数据集(adas数据集)

3>tool kit github repositoryhttps://github.com/CSAILVision/ADE20K

ADE20K由 27000张图像组成,这些图像来自于SUN(2010年普林斯顿大学公开的数据集)和Places(2014年MIT公开的数据集)数据集,ADE20K中由超过3000个物体类别 category,其中很多图像组成物体的零部件的类别,以及组成零部件的零部件的类别,如 汽车的零部件 门,门上面的零部件 窗户。ADE20K中还标注了实例的 id,可用于实例分割。数据中的图像都进行了匿名化处理,做了人脸和车牌号的模糊,去除了隐私信息。

ADE20K的数据分布

训练集 Training set包含 25574张完整标注图像验证集 Validation set包含 2000张完整标注图像测试集 Test set还没有发布

ADE20K的数据组成

共包含 27574张图像3688个类,类名取自WordNet(WordNet是由普林斯顿大学认识科学实验室在心理学教授乔治·A·米勒的指导下建立和维护一个词与词之间存在各种关系的英语字典)707868个对象193238个零部件

数据文件目录结构

.└── ADE20K_2021_17_01 └── images └── ADE └── training └── urban └── street ├── ADE_train_00016869 │ ├── instance_000_ADE_train_00016869.png │ ├── instance_001_ADE_train_00016869.png │ ├── instance_..._ADE_train_00016869.png ├── ADE_train_00016869.jpg ├── ADE_train_00016869.json ├── ADE_train_00016869_parts_1.png ├── ADE_train_00016869_parts_2.png ├── ADE_train_00016869_seg.png ├── ADE_train_00016964 │ ├── instance_000_ADE_train_00016964.png │ ├── instance_001_ADE_train_00016964.png │ ├── instance_..._ADE_train_00016964.png ├── ADE_train_00016964.jpg ├── ADE_train_00016964.json ├── ADE_train_00016964_parts_1.png └── ADE_train_00016964_seg.pngimage_name.jpg原始图像,如ADE_train_00016869.jpg{image_name}_seg.png图像 image_name.jpg对应的类别和实例的标注信息,存储在其每个像素的 RGB通道中,借助 toolkit中的代码utils_ade20k.py可以实现标注信息的解析{image_name}_parts_{i}.png图层 i中包含的零部件,如ADE_train_00016869_parts_1.png{image_name},以文件名命名的文件夹,其中的每个图像分别是一个实例标注信息对应原图的掩码,由 0,1组成。如ADE_train_00016869{image_name}.json包含了图像对应的标注信息,如实例和类别标注信息的多边形,标注的时间,标注实例或对象的属性,如ADE_train_00016869.json

数据集相关的统计信息,譬如包括多少个类别,有多少个对象等,保存在一个序列化文件index_ade20k.pkl中,可以参考ade20k_starter.ipynb读取其中的信息。

print("File loaded, description of the attributes:")print('--------------------------------------------')for attribute_name, desc in index_ade20k['description'].items(): print('* {}: {}'.format(attribute_name, desc))print('--------------------------------------------\n')i = 16868 # 16899, 16964nfiles = len(index_ade20k['filename'])file_name = index_ade20k['filename'][i]num_obj = index_ade20k['objectPresence'][:, i].sum()num_parts = index_ade20k['objectIsPart'][:, i].sum()count_obj = index_ade20k['objectPresence'][:, i].max()obj_id = np.where(index_ade20k['objectPresence'][:, i] == count_obj)[0][0]obj_name = index_ade20k['objectnames'][obj_id]full_file_name = '{}/{}'.format(index_ade20k['folder'][i], index_ade20k['filename'][i])print("The dataset has {} images".format(nfiles))print("The image at index {} is {}".format(i, file_name))print("It is located at {}".format(full_file_name))print("It happens in a {}".format(index_ade20k['scene'][i]))print("It has {} objects, of which {} are parts".format(num_obj, num_parts))print("The most common object is object {} ({}), which appears {} times".format(obj_name, obj_id, count_obj))3.使用ADE20K语义分割

语义分割中使用的训练和验证数据集多是ADEchallenge 2016提供的处理好的数据集,包括150个类,不含背景0,在训练时需将background 0 设置成ignore_index。ADEChallengeData2016.zip的下载地址为

http://data.csail.mit.edu/places/ADEchallenge/ADEChallengeData2016.zip

最近的一些工作,如swin transformer和segfomer都在ADEChallengeData2016.zip数据集上进行了验证,这两个算法在商汤的框架mmsegmentation中都有实现,感兴趣的同学可以动手验证一下,需要注意的是使用ade20k数据集时,train_pipeline中的参数需要设置,如下

train_pipeline = [ dict(type='LoadImageFromFile'), dict(type='LoadAnnotations', reduce_zero_label=True)]

挖个坑:在实例分割和零部件分割的应用待补充

参考资料1.https://groups.csail.mit.edu/vision/datasets/ADE20K/2.https://github.com/open-mmlab/mmsegmentation

欢迎访问个人网络日志🌹🌹知行空间🌹🌹

本文链接地址:https://www.jiuchutong.com/zhishi/297846.html 转载请保留说明!

上一篇:TDesign小程序组件库体验(小程序navigator组件)

下一篇:一行代码“黑”掉任意网站(一行简单的代码)

  • 申报个体经营所得税时营业外收入怎么填
  • 职工食堂费用计入管理费用
  • 无形资产登记什么明细账
  • 免征企业所得税的有
  • 一般纳税人主表第一栏数据
  • 增值税期初应补税额计算
  • 发票分开开票
  • 产品成本核算时做好哪些基础工作
  • 企业向个人借款需要交印花税吗
  • 网上平台服务年费应该计入什么费用?
  • 金税三期个人所得税税率
  • 公司租的房子免租金要交房产税吗?
  • 营改增后建筑行业税率
  • 小规模增值税缴纳怎么算
  • 当前中国有什么企业在国外
  • 职工福利费计算公式
  • 本年利润怎么算利润总额
  • 财务报表的总投资怎么算
  • 进口退运货物基本流程
  • 返回的工会经费如何做账最新
  • 物业公司减免物业费怎样开票
  • 待摊费用核算的内容主要包括
  • 存货计价方法的选择对利润表中的项目没有影响
  • 计提工资附加费啥意思
  • 税务局代开发票需要什么资料
  • 微小企业每个季度减免多少税
  • 免抵退系统应调整免抵退额吗?
  • 已经认证抵扣的发票会计分录
  • 商贸公司不开发票还要上税吗
  • 主板外部接口是用来连接
  • Win11怎么不显示图标
  • 设计费和勘察费的会计科目
  • 无法收回的应收款项计入什么科目
  • 保险支付方式有哪些
  • 担保公司的会计分录
  • 长期股权投资初始计量和后续计量的区别
  • 偏食和挑食会有什么不良后果?
  • 2023年生活性服务业加计扣除
  • 冲账怎么写?
  • php调用其他php
  • 增值税退税要准备什么资料
  • 营改增之前的建筑业税率是多少
  • python pymongo
  • vue fragment标签
  • css做三角
  • 红包生成算法
  • 上个月的发票未上传成功可以删除吗
  • 合伙企业的经营所得税率
  • 技术服务费增值税税率1%
  • 写出php的常用四种基本变量类型
  • 套期保值是什么意思举个例子
  • 税款减免怎么做分录
  • 个税异地缴纳后果
  • 收到购货款用预付款吗
  • 为什么白条不能打白条
  • 民办非企业单位什么意思
  • 水利建设基金一直没缴纳
  • 主营业务税金及附加借贷方向
  • 数据库崩了怎么恢复
  • sqlserver表结构如何导入到oracle
  • 服务器 安装win10
  • win8系统笔记本怎么恢复出厂设置
  • win8怎么格式化硬盘
  • winxp系统怎么装
  • win10老是弹窗广告
  • linux系统干嘛的
  • lhotkey.exe
  • 64位windows8系统安装驱动时出现签名错误的解决方法
  • linux打成zip包
  • win7系统没有光驱盘符
  • 显示打包成功但是没有文件
  • unity3D游戏开发
  • unity方法大全
  • netmon.exe
  • python例题讲解
  • jquery调用json数据
  • 税基式减免,税率式减免,税额式减免三者之间的联系
  • 西安经开税务局电话号码
  • 福利企业免税有哪些项目
  • 一个人可以申请
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设