>>>深度学习Tricks，第一时间送达<<<
🎄🎄近期，小海带在空闲之余，收集整理了一批图像分割数据集供大家参考。 整理不易，小伙伴们记得一键三连喔！！！🎈🎈
目录
一、Stanford Background Dataset🎄🎈
二、PASCAL-PART 🎄🎈
三、PASCAL-CONTEXT 🎄🎈
四、Microsoft Common Objects in Context 🎄🎈
五、天空图像数据集 🎄🎈
六、CO-SKEL数据集 🎄🎈
关于YOLO算法改进及论文投稿可关注并留言博主的CSDN/QQ
>>>一起交流！互相学习！共同进步！<<<
一、Stanford Background Dataset🎄🎈
数据集链接：http://dags.stanford.edu/projects/scenedataset.html
SBD 由斯坦福大学建立,用于衡量语义级场景解析算法的性能.该数据集包含 725 张图片,分别从 LabelMe、 PASCAL VOC 等数据集中抽取而来.图片大多为户外场景类型,大小较为规整,每张图片至少包含 1 个前景对象。
二、PASCAL-PART🎄🎈
数据集链接：[PASCAL-Part Dataset](http://roozbehm.info/pascal-parts/pascal-parts.html "PASCAL-Part Dataset")
PASCAL-PART 数据集中的图片大都出自 PASCAL VOC 2010,分为训练集、验证集和测试 集这3个部分,每部分中的图像都含有像素级标注, 能够提供丰富的细节信息.PASCAL-PART 每张图像中,目标物体的不同部位都有精确注,可为物体解析和ISS任务提供详细标注的样本。
三、PASCAL-CONTEXT🎄🎈
数据集链接：[PASCAL-Context Dataset](https://cs.stanford.edu/~roozbeh/pascal-context/ "PASCAL-Context Dataset")
PASCAL-CONTEXT 数据集由 PASCAL VOC 2010 数据集改进和扩展而来,里面增加了更多的物体标注和场景信息,总共包含540个语义类别的图像标注.在算法评估时,一般选取前 59 类作为分割评判标准。
四、Microsoft Common Objects in Context🎄🎈
数据集链接：[COCO - Common Objects in Context](https://cocodataset.org/ "COCO - Common Objects in Context")
MS COCO 数据集早先是微软公司进行图像测试的一个大型数据库,后来,微软公司将其开源和推广.MS COCO 数据集总共包含 81 种类别(包括背景)、 328 000 张图像、 2 500 000 个物体实例和 100 000 个人体关键部位标注,大部分图片从复杂的日常场景中获取,图中的物体具有精确的位置标注。
五、天空图像数据集 🎄🎈
数据集下载链接：http://suo.nz/1ykW0L
Sky 数据集包含 60 张带有地面实况的图像，用于天空分割。它基于 R. Fergus 15/02/03 的 Caltech Airplanes Side 数据集。选择数据集中包含天空区域的那些图像，并为它们创建地面实况。原始数据集图像名称保持不变。
六、CO-SKEL数据集 🎄🎈
数据集下载链接：http://suo.nz/1FR95s
该数据集由分类骨架和分割掩码组成，用于评估协同骨架化方法。
关于 YOLO算法改进及论文投稿可关注并留言博主的CSDN/QQ
>>>一起交流！互相学习！共同进步！<<<
复制代码
===========================
【来源： CSDN】
【作者： 加勒比海带66】
【原文链接】 https://blog.csdn.net/m0_53578855/article/details/128244361
声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。