位置: IT常识 - 正文

详细解读:MIT经典的语义分割数据集ADE20K,附下载链接(mit?)

编辑:rootadmin
详细解读:MIT经典的语义分割数据集ADE20K,附下载链接

推荐整理分享详细解读:MIT经典的语义分割数据集ADE20K,附下载链接(mit?),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:mit it,mit?,mit mit,mit it,mit的mfin,mit?,mit经济,mit经济,内容如对您有帮助,希望把文章链接给更多的朋友!

小伙伴们,乐于分享的OpenDataLab来啦!这次,给大家带来一份ADE20K 数据集的详细使用“攻略”,助大家模型训练一臂之力。

这个由MIT 发布的大型数据集,可用于场景感知、解析、分割、多物体识别和语义理解,不容错过。

一、数据集简介

发布方:MIT CSAIL Computer Vision Group

发布时间:2016

背景:视觉场景的语义理解是计算机视觉的关键问题。尽管社区在数据收集方面做出了努力,但仍然很少有图像数据集涵盖广泛的场景和对象类别,而且缺乏具有用于场景理解的逐像素注释。

简介:ADE20K涵盖了场景、对象、对象部分的各种注释,在某些情况下甚至是部分的部分。有25k张复杂日常场景的图像,其中包含自然空间环境中的各种对象。每个图像平均有19.5个实例和10.5个对象类。

二、数据集详细信息

1. 标注数据量

● 训练集:20210张图像

● 验证集:2000张图像

● 测试集:3000张图像

2. 标注类别

数据集的标注包含三种视觉概念:

● 离散对象(discrete object),它是具有明确定义的形状的事物,例如汽车、人;

● 包含无定形背景区域的东西(stuff),例如草、天空;

● 对象部分(object part),它是某些具有功能意义的现有对象实例的组件,例如头部或腿部。

三种视觉概念共标注类别3169类,其中离散对象和无定形背景区域的东西有2693类。对象部分有476类。

3. 可视化

图1:第一行显示样本图像,第二行显示对象的标注,第三行显示对象部分的标注。颜色方案同时编码对象类别和对象实例,即不同的对象类别具有较大的色差,而来自同一对象类别的不同实例具有较小的色差(例如,第一张图像中的不同人实例具有略微不同的颜色)。

三、数据集任务定义及介绍1. 场景解析

● 定义

场景解析是将整个图像密集地分割成语义类,其中每个像素都被分配一个类标签,例如树的区域和建筑物的区域。

● 基准

作者选择 ADE20K 数据集中按其总像素比排名的前150个类别,并构建 ADE20K 的场景解析基准,称为 SceneParse150。

在150个类别中,有35个东西类(即墙壁、天空、道路)和115个离散对象类(即汽车、人、桌子)。150个类的标注像素占数据集所有像素的92.75%,其中无定形背景区域的东西类占60.92%,离散对象类占31.83%。

结果以通常用于语义分割的四个指标报告:

- Pixel accuracy(像素精度):表示正确分类的像素的比例;

- Mean accuracy(平均准确度):表示在所有类别中平均正确分类的像素的比例;

- Mean IoU(平均 IoU):表示预测像素和真实像素之间的交并比,在所有类上平均;

详细解读:MIT经典的语义分割数据集ADE20K,附下载链接(mit?)

- Weighted IoU(加权IoU):表示按每个类的总像素比加权的 IoU。

2. 实例分割

● 定义

实例分割是检测图像中的对象实例,并进一步生成对象的精确分割掩码。它与场景解析任务的不同之处在于,场景解析中没有分割区域的实例概念,而在实例分割中,如果场景中有三个人,则需要网络对每个人区域进行分割。

● 基准

为了对实例分割的性能进行基准测试,作者从完整数据集中选择了100个前景对象类别,将其称为 InstSeg100。InstSeg100 中对象实例总数为 218K,平均每个对象类别有2.2K个实例,每个图像有10个实例;除船舶外的所有对象都有超过100个实例。

结果以如下指标报告:

一个总体度量平均精度 mAP,以及不同对象尺度上的度量,用mAP_S(小于32×32像素的对象)、mAP_M(在32×32和96×96像素之间)和 mAP_L(大于96×96像素)。

四、数据集文件结构解读

目录结构:(语言:Python)

ADE20K_2021_17_01/ images/ training/ cultural/ apse__indoor/ <filename0>.jpg # 原图像 <filename0>_seg.png # 分割图,通道R和G编码对象类别ID, # 通道B编码实例ID <filename0>_parts_{i}.png # 部件分割图,i表示第i层部件,如car # 属于第一层部件,wheel属于第二层部件 <filename0>.json # 存储图像中所有实例的多边形,属性等信息 <filename0>/ # 存储图像中所有实例mask的目录 instance_000_<filename0>.png instance_001_<filename0>.png ... ... ... validation/ cultural/ apse__indoor/ <filename1>.jpg <filename1>_seg.png <filename1>_aprts_{i}.png <filename1>.json <filename1>/ instance_000_<filename1>.png instance_001_<filename1>.png ... ... ... ...    index_ade20k.pkl                    # 数据和存储图像的文件夹的统计信息

<filename>.json文件格式:

{ "annotation": { "filename": "<filename>.jpg", # 图像名称 "folder": "ADE20K_2021_17_01/images/ADE/training/urban/street", # 图像存储的相对路径 "imsize": [ # 图像高、宽、通道数 1536, 2048, 3 ], "source": { # 图像来源信息 "folder": "static_sun_database/s/street", "filename": "labelme_acyknxirsfolpon.jpg", "origin": "" }, "scene": [ # 图像场景信息 "outdoor", "urban", "street" ], "object": [ # 标注实例列表 { "id":0, # 实例ID "name":"traffic light, traffic signal, stoplight", # 实例标签 "name_ndx": 2836, # 实例标签 "hypernym": [ # 上位词 "traffic light, traffic signal, stoplight", "light", "visual signal", "signal, signaling, sign", "communication", "abstraction, abstract entity", "entity" ], "raw_name": "traffic light", "attributes": [], # 属性 "depth_ordering_rank": 1, # 深度顺序 "occluded": "no", # 遮挡情况 "crop": "0", "parts": { # 部件信息 "hasparts": [], "ispartof": [], "part_level": 0 }, "instance_mask": "<filename>/instance_000_<filename>.png", # 对应的实例mask "polygon": { # 多边形坐标 "x": [346, ...], "y": [781, ...] }, "saved_date": "18-Dec-2005 06:56:48" }, ... ]

图2: index_ade20k.pkl 文件用Python打开后的格式

index_ade20k.pkl 里各个字段含义:

'filename':长度为 N=27574 的数组,带有图像文件名。

'folder':包含图像文件夹名称的长度为 N 的数组。

'objectIsPart':是对象部分的对象类别. 大小为 [C, N] 的数组,计算一个对象在每个图像中成为一部分的次数。objectIsPart[c,i]=m 如果在图像 i 中对象类 c 是另一个对象的一部分 m 次。

'objectPresence':大小为 [C, N] 的数组,每个图像的对象计数。objectPresence(c,i)=n 如果在图像 i 中有 n 个对象类 c 的实例。

'objectcounts':长度为 C 的数组,每个对象类的实例数。

'objectnames':带有对象类名的长度为 C 的数组。

'proportionClassIsPart':长度为 C 的数组,其中 c 类作为一部分的次数比例。如果 ratioClassIsPart[c]=0 则意味着这是一个主要对象(例如,汽车、椅子……)。

'scene':长度为 N 的数组,为每个图像提供场景名称(与 Places 数据库相同的类)

'wordnet_found':长度为 C 的数组。它表示是否在 Wordnet 中找到了对象名。

'wordnet_level1':长度为C 的列表。WordNet 关联的列表。

'wordnet_synset':长度为 C 的列表。每个对象名称的 WordNet 同义词集。

'wordnet_hypernym':长度为 C 的列表。每个对象名称的 WordNet 上位词列表。

'wordnet_gloss':长度为 C 的列表。存的是WordNet同义词集合对应的定义。

'wordnet_frequency':长度为 C 的数组。每个WordNet同义词集合出现的次数。

'description':对index ade20k.pkl中每个字段的描述。

五、数据集资源

OpenDataLab平台已经上架了ADE20K数据集,为大家提供了完整的数据集信息、流畅的下载速度,快来体验吧!

ADE20K 2021数据集

参考资料:

[1]官网:https://groups.csail.mit.edu/vision/datasets/ADE20K/

[2]论文:Semantic Understanding of Scenes through ADE20K Dataset. Bolei Zhou, Hang Zhao, Xavier Puig, Tete Xiao, Sanja Fidler, Adela Barriuso and Antonio Torralba. International Journal on Computer Vision (IJCV).[PDF]

[3]Github:https://github.com/CSAILVision/ADE20K

更多数据集上架动态、更全面的数据集内容解读、最牛大佬在线答疑、最活跃的同行圈子……欢迎添加微信opendatalab_yunying 加入OpenDataLab官方交流群。

本文链接地址:https://www.jiuchutong.com/zhishi/300276.html 转载请保留说明!

上一篇:亲测有效,低调使用,这里有个白票ChatGPT的方法(低调低调)

下一篇:springboot+chatgpt+chatUI Pro开发智能聊天工具

  • 微信钱包里的钱怎么免费转到银行卡(微信钱包里的钱怎样支付出去)

    微信钱包里的钱怎么免费转到银行卡(微信钱包里的钱怎样支付出去)

  • qq为什么搜索qq号找不到人(qq为什么搜索群号搜不到)

    qq为什么搜索qq号找不到人(qq为什么搜索群号搜不到)

  • 电脑怎么更新显卡驱动(电脑怎么更新显卡)

    电脑怎么更新显卡驱动(电脑怎么更新显卡)

  • 微信可以一直设置强提醒吗(微信一直设置不了零钱支付)

    微信可以一直设置强提醒吗(微信一直设置不了零钱支付)

  • 淘宝怎么取消免密码(淘宝怎么取消免密支付功能支付宝)

    淘宝怎么取消免密码(淘宝怎么取消免密支付功能支付宝)

  • 华为安全键盘怎么没有中文输入法(华为安全键盘怎么切换到正常模式)

    华为安全键盘怎么没有中文输入法(华为安全键盘怎么切换到正常模式)

  • qq共同好友1个是自己吗

    qq共同好友1个是自己吗

  • 充电宝可以充笔记本电脑吗(充电宝充笔记本能用多久)

    充电宝可以充笔记本电脑吗(充电宝充笔记本能用多久)

  • 直流屏作用(电力直流屏作用)

    直流屏作用(电力直流屏作用)

  • wifi显示已保存但是不能连接(投影仪连wifi显示已保存)

    wifi显示已保存但是不能连接(投影仪连wifi显示已保存)

  • 苹果11带什么充电器(iphone 11用什么充电器)

    苹果11带什么充电器(iphone 11用什么充电器)

  • 稳定静态工作点的方法(稳定静态工作点应引入)

    稳定静态工作点的方法(稳定静态工作点应引入)

  • 快手淘宝联盟商品是什么(快手 淘宝联盟)

    快手淘宝联盟商品是什么(快手 淘宝联盟)

  • 微信被临时限制登录什么时候就正常能用了(微信被临时限制社交场景需要多久)

    微信被临时限制登录什么时候就正常能用了(微信被临时限制社交场景需要多久)

  • 抖音拉黑对方不知道吗(抖音拉黑对方不小心点了关注)

    抖音拉黑对方不知道吗(抖音拉黑对方不小心点了关注)

  • 光盘属于外存储器吗(光盘属于外存储设备吗)

    光盘属于外存储器吗(光盘属于外存储设备吗)

  • mrjn2ch a是什么型号(mrqn2ch/a)

    mrjn2ch a是什么型号(mrqn2ch/a)

  • 如何截取一段聊天记录(如何截取聊天)

    如何截取一段聊天记录(如何截取聊天)

  • 如何设置sos紧急呼叫(如何设置sos紧急求救OPPO手机)

    如何设置sos紧急呼叫(如何设置sos紧急求救OPPO手机)

  • realme怎么添加桌面插件(realme怎么添加桌面小组件)

    realme怎么添加桌面插件(realme怎么添加桌面小组件)

  • iphone11怎么标记重点联系人(苹果11标记功能开关)

    iphone11怎么标记重点联系人(苹果11标记功能开关)

  • 淘宝预售怎么付款(淘宝预售订单付款流程)

    淘宝预售怎么付款(淘宝预售订单付款流程)

  • 二维码收款记录怎么删(怎样查看二维码收款记录)

    二维码收款记录怎么删(怎样查看二维码收款记录)

  • 百度有钱花借现金申请教程 百度有钱花上征信吗(百度有钱花借钱会上征信吗)

    百度有钱花借现金申请教程 百度有钱花上征信吗(百度有钱花借钱会上征信吗)

  • markdown小小白常用语法

    markdown小小白常用语法

  • 行政事业性收据发票记帐
  • 新注册公司没有员工怎么报个税
  • 收到返款计入什么科目
  • 增值税发票跨年抵扣新政策
  • 收到进项发票已认证,对方冲红重开,我方凭证什么做
  • 13%税开成了3%怎么报税
  • 金税维护费申报表
  • 合伙企业分配利润需要全体合伙人同意吗
  • 个人转让商铺个人所得税核定征收
  • 安全费用提取使用管理办法2022 136
  • 团队接待的程序及标准
  • 委托出口退税账务处理
  • 建筑业增值税专票抵扣后的税点是多少
  • 增值税专用发票验票
  • 未按规定订立无固定期限劳动合同
  • 房地产开发成本占比
  • 节能控制模块
  • 一般纳税人出售不动产增值税税率是多少
  • 什么情况下个税税率是10%
  • 个人所得税缴纳标准起征点
  • 卖固定资产如何申报
  • 以前年度的费用可以入在当年吗?
  • Linux系统中Squid代理服务器配置全过程解析
  • 负债期末余额为负数写在哪方
  • object转map工具类
  • fg726p.exe
  • 资产负债表左方烈士的资产按什么排列
  • 企业的组织形式共5种
  • 委托银行收款的会计分录怎么写
  • 稳岗补贴怎么发放给员工
  • 工业企业如何纳税
  • yarn安装路径
  • 业务招待费会计和税法差异
  • 演员片酬要分给经纪公司吗
  • 财务的几张报表
  • chrome os安装到u盘
  • 小规模纳税人残保金申报时间
  • uni-app编译
  • 【超直白讲解opencv RGB与BGR】RGB模式与BGR模式有什么不同,如何相互转换?
  • 微擎框架破解版v2.7.7
  • 固定资产提足折旧后,不论能否继续使用
  • 跨年的增值税专票怎么开
  • MySQL中UPDATE与DELETE语句的使用教程
  • 税控盘服务费抵减增值税如何申报
  • 受托加工的物资属于资产吗
  • sql server2012新建一个数据表
  • 生产成本明细科目有哪些内容
  • 担保公司预计负债
  • 先开收据再打款
  • 个人购买股权和公司购买股权比较
  • 处置固定资产和报废固定资产区别
  • 没有销售收入月报怎么填
  • 增值税专用发票开了有什么用
  • 个人承担的社保算公司的费用吗
  • sql server用处
  • 远程连接局域网电脑
  • win10预览版21277
  • 捷波mig41tm主板
  • win10能玩dota
  • 怎么才能使牙齿变白
  • linux服务端
  • linux系统配置ipv6地址
  • 苹果电脑dock栏不见了
  • linux tcpping
  • linux压缩文件tar命令
  • 如何解决windows资源管理器已停止工作
  • 新闻客户端手机版下载
  • fat32和fat16
  • jquery树形菜单
  • js中生成随机数
  • python的opencv
  • js如何实现重置功能
  • 教程java
  • 网页中实现浏览的快捷键
  • 微博评论系统
  • 陕西税务管网
  • 安徽省地方税务局公告2016年第1号
  • 小规模纳税企业的增值税税率一律为3%
  • 大走访 方案
  • 广西纳税申报流程
  • 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