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

  • airpods3触摸功能怎么用(airpods3触碰)

    airpods3触摸功能怎么用(airpods3触碰)

  • 电脑桌面广告太多如何拦截(电脑桌面广告太小怎么办)

    电脑桌面广告太多如何拦截(电脑桌面广告太小怎么办)

  • 华为的铃声那个英文歌是叫什么名字(华为铃声那个好听)

    华为的铃声那个英文歌是叫什么名字(华为铃声那个好听)

  • 蓝屏可以强制关机吗(蓝屏可以强制关机重启吗)

    蓝屏可以强制关机吗(蓝屏可以强制关机重启吗)

  • 安卓是哪个公司开发的系统(安卓是哪个公司开发的)

    安卓是哪个公司开发的系统(安卓是哪个公司开发的)

  • 抖音画质增强要不要开(抖音画质增强有什么用)

    抖音画质增强要不要开(抖音画质增强有什么用)

  • 摄像头40mp什么意思(摄像头480p是什么意思)

    摄像头40mp什么意思(摄像头480p是什么意思)

  • 一个表格中怎样把字分两行(一个表格中怎样设置多个表头)

    一个表格中怎样把字分两行(一个表格中怎样设置多个表头)

  • xr发烫严重怎么设置(iphone xr 手机发烫)

    xr发烫严重怎么设置(iphone xr 手机发烫)

  • 戴尔电脑从哪里看型号(戴尔电脑从哪里看尺寸)

    戴尔电脑从哪里看型号(戴尔电脑从哪里看尺寸)

  • qq里面怎么登小号(如何登qq小号)

    qq里面怎么登小号(如何登qq小号)

  • 电脑供电不足会出现什么情况(电脑供电不足会卡顿吗)

    电脑供电不足会出现什么情况(电脑供电不足会卡顿吗)

  • 手机重置后照片还在吗(手机重置后照片会删除吗)

    手机重置后照片还在吗(手机重置后照片会删除吗)

  • 为什么qq扩列匹配不了(为什么qq扩列匹配失败了)

    为什么qq扩列匹配不了(为什么qq扩列匹配失败了)

  • 待机快捷键按哪个(待机键是什么键)

    待机快捷键按哪个(待机键是什么键)

  • 慕课账号可以几个人登录(慕课两个账号)

    慕课账号可以几个人登录(慕课两个账号)

  • 发的短信删了是撤回吗(短信删了是不是就没有了)

    发的短信删了是撤回吗(短信删了是不是就没有了)

  • qq怎么设置5g在线(qq怎么设置5g在线状态)

    qq怎么设置5g在线(qq怎么设置5g在线状态)

  • oppor17拍照微距怎么取消(oppor17相机微距在哪)

    oppor17拍照微距怎么取消(oppor17相机微距在哪)

  • opporeno电池容量(opporeno电池容量是多少毫安)

    opporeno电池容量(opporeno电池容量是多少毫安)

  • A meerkat in Namibia (© Danita Delimont/Offset by Shutterstock)

    A meerkat in Namibia (© Danita Delimont/Offset by Shutterstock)

  • 最大规模的科技公司IPO交易是什么(最大规模的科技公司)

    最大规模的科技公司IPO交易是什么(最大规模的科技公司)

  • 无人驾驶学习笔记-LeGO-LOAM 算法源码学习总结(无人驾驶基础知识)

    无人驾驶学习笔记-LeGO-LOAM 算法源码学习总结(无人驾驶基础知识)

  • mysql中binlog的使用场景(mysqlbinlog命令详解)

    mysql中binlog的使用场景(mysqlbinlog命令详解)

  • 个人所得税全年一次性奖金优惠政策
  • 车船税发票可以作废吗
  • 建筑公司购入的水泥等材料如果是做成本的怎么做分录
  • 软件企业认定流程
  • 工程材料票抵扣比例
  • 代订餐如何赚钱
  • 银行利息月末结算方式
  • 广告制作可以开什么发票
  • 收客户款现金折让发票怎么处理
  • 增值税纳税义务发生时间
  • 工程结算与工程施工如何结转
  • 上月工资多计提了怎么调整
  • 进项税发票已经认证但对方又作废
  • 个体户生产经营所得税税率表
  • 营改增后预收工程款会计处理是怎样的?
  • 企业在筹办期间发生的开办费计入管理费用账户
  • 代扣代缴个税手续费返还怎么操作
  • 购销合同印花税最新政策2023
  • 哪些情形可以补胎
  • 开办费要如何扣款
  • 技术服务合同增值税免税吗
  • 收到境外公司服务费
  • 两处拿工资的缴税问题
  • 企业停产后员工怎么办
  • 住院材料费包括哪些
  • 一般纳税人开税票
  • 公司聚餐费属于哪个科目
  • 出口退税是怎么退
  • 公司实缴资本有什么风险
  • 固定资产增值税税率
  • pos机刷卡怎么做账务处理
  • 华为鸿蒙系统支持苹果手表吗
  • lnmgr.exe是什么
  • win7旗舰系统
  • 钢铁企业成本核算表
  • 柬埔寨 吴哥窟
  • php sql 教程
  • 踩雷日记:Pytorch mmcv-full简易安装
  • php post数据
  • 商业企业退货与退款区别
  • 其他发票是什么意思
  • 外请专家讲课费如何交税
  • 会计人员信息采集怎么看审核通过
  • 分公司开票总公司付款可以吗
  • 费用退回如何记账
  • 织梦cms官网
  • wordpress换域名后主题乱了
  • 人工安装费是几个点税税率
  • 百旺金赋怎么开红字发票
  • mysql常见故障
  • 会计和税法折旧年限不相同
  • 专家评审费如何入账
  • 增量留底退税基金怎么算
  • 对公支付的款项没有发票怎么报销
  • 总包分包怎么区分
  • 收到股东投入材料怎么做账
  • 天猫佣金是啥
  • 母子公司资金往来财税问题
  • 人工成本包括哪些项目
  • mysql基本sql语句大全(基础用语篇)
  • 系统之家一键重装系统教程
  • wncloud.exe是什么程序
  • linux用户空间获取TCP序号
  • awk中使用sed
  • win7设置宽带拨号
  • windows8如何降到windows7
  • unity播放声音的方法
  • oracle sql mysql
  • opengl es应用开发实践指南(android卷)pdf
  • jq获取单选框的值
  • 编程python怎么学
  • python2.7.11
  • 一个简单的网页
  • shell脚本配置环境
  • js类的静态属性
  • 个人工资扣税标准计算
  • 重庆市怎么在网上打印章程
  • 临时税务登记有效期怎么填
  • 附加税申报表怎么做
  • 提高税务管理水平,降低税务风险
  • 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