CCTV Trafik Sahnesi Semantik Segmentasyon Veri Seti
Örnek Segmentasyonu
Kullanım Örneği: Otomatik Sürüş
Biçim: Video
Sayısı: 1.2k
Ek Açıklama: Evet
Açıklama: "CCTV Trafik Sahnesi Semantik Segmentasyon Veri Seti", sabit bir bakış açısından trafik sahnelerinin karmaşıklıklarını yakalayarak otonom sürüş geliştirme için benzersiz bir bakış açısı sunar. 1600 x 1200 pikseli aşan çözünürlüklere ve 7 fps'nin üzerinde bir kare hızına sahip yol izleme kameralarından gelen yüksek çözünürlüklü CCTV görüntülerini kullanan bu veri seti, insanlar, hayvanlar, bisikletli araçlar, otomobiller ve yol bariyerleri dahil olmak üzere trafikteki çeşitli unsurların ayrıntılı örnek segmentasyonunu sağlar. Ayrıca çeşitli hava koşullarını da kapsayarak, AI sistemlerinin sabit bir bakış açısından çeşitli trafik senaryolarını anlamaları ve yorumlamaları için eğitilmeleri için sağlam bir veri seti sunar.
Şehir Gökyüzü Kontur Segmentasyon Veri Kümesi
Kontur segmentasyonu
Kullanım Örneği: Şehir Gökyüzü Kontur Segmentasyon Veri Kümesi
Biçim: Resim
Sayısı: 17k
Ek Açıklama: Evet
Açıklama: "Şehir Gökyüzü Kontur Segmentasyon Veri Seti", görsel eğlence sektörü için hazırlanmış olup, 3000 x 4000 piksel yüksek çözünürlüklü, internetten toplanan görsellerden oluşan bir koleksiyon içerir. Bu veri seti, kentsel ortamlarda gökyüzünü binalar ve bitkiler gibi unsurlarla yakalamaya odaklanan ve çeşitli görsel içerik oluşturma için ayrıntılı bir arka plan sağlayan kontur segmentasyonuna adanmıştır.
Dashcam Trafik Sahneleri Semantik Segmentasyon Veri Seti
Anlamsal Bölümleme
Kullanım Örneği: Otomatik Sürüş
Biçim: Resim
Sayısı: 210
Ek Açıklama: Evet
Açıklama: "Dashcam Trafik Sahneleri Semantik Segmentasyon Veri Seti" otonom sürüş teknolojilerinin sınırlarını zorlamak için olmazsa olmazdır. Bu veri seti, kentsel ve banliyö trafik ortamlarının çeşitli unsurlarını yansıtacak şekilde semantik olarak segmentlere ayrılmış, yaklaşık 1280 x 720 piksel çözünürlüğe sahip sürüş kayıt cihazı görüntüleri içerir. Gökyüzü, insanlar, motorlu taşıtlar, motorsuz taşıtlar, otoyollar, yaya yolları, zebra geçitleri, ağaçlar, binalar ve daha fazlası dahil olmak üzere 24 farklı nesneyi ve senaryoyu kapsamlı bir şekilde kategorilere ayırır. Bu ayrıntılı semantik segmentasyon, otonom sürüş sistemlerinin yolun karmaşıklıklarını daha iyi anlamasına ve yorumlamasına olanak tanır ve navigasyon ve güvenlik protokollerini geliştirir.
Sürülebilir Alan Segmentasyon Veri Seti
Anlamsal Segmentasyon, İkili Segmentasyon
Kullanım Örneği: Otomatik Sürüş
Biçim: Resim
Sayısı: 115.3k
Ek Açıklama: Evet
Açıklama: "Sürülebilir Alan Segmentasyon Veri Seti", AI'nın otonom araçları çeşitli sürüş ortamlarında yönlendirme yeteneklerini geliştirmek için titizlikle hazırlanmıştır. 1600 x 1200 ila 2592 x 1944 piksel arasında değişen çözünürlüklere sahip çok çeşitli yüksek çözünürlüklü görüntüler sunar ve bitüm, beton, çakıl, toprak, kar ve buz gibi çeşitli kaldırım türlerini yakalar. Bu veri seti, AI modellerinin sürülebilir ve sürülemeyen alanlar arasında ayrım yapmaları için eğitilmesi açısından hayati önem taşır; bu, otonom sürüşün temel bir yönüdür. Ayrıntılı semantik ve ikili segmentasyon sağlayarak, otonom araçların güvenliğini ve verimliliğini artırmayı ve gerçek dünya senaryolarında karşılaşılan farklı yol koşullarına ve ortamlara uyum sağlamalarını sağlamayı amaçlamaktadır.
Geçmiş Veri Kümesi
Kullanım Örneği: Yer İşareti Tanımlama, Yer İşaretleri Etiketleme
Biçim: .jpg, mp4
Sayısı: 2087
Ek Açıklama: Yok hayır
Açıklama: Benzersiz kimliklerden görüntüler (1 Kayıt fotoğrafı, Kimlik başına 20 Tarihsel fotoğraf) ve videolar (1 İç Mekan, 1 Dış Mekan) toplayın
İç Mekan Nesneleri Segmentasyon Veri Kümesi
Örnek Segmentasyonu, Anlamsal Segmentasyon, Kontur Segmentasyonu
Kullanım Örneği: İç Mekan Nesneleri Segmentasyon Veri Kümesi
Biçim: Resim
Sayısı: 51.6k
Ek Açıklama: Evet
Açıklama: "İç Mekan Nesneleri Segmentasyon Veri Seti", 1024 × 1024 ila 3024 × 4032 arasında yüksek çözünürlüklü görüntüler sunan reklam, oyun ve görsel eğlence sektörlerine hizmet vermektedir. Bu veri seti, 50'den fazla yaygın iç mekan nesnesi türünü ve mobilya gibi mimari unsurları içerir. ve örneğin anlamsal ve kontur segmentasyonu gibi açıklamalı oda yapıları.
Mutfak Sanitasyon Video Veri Seti
Sınırlayıcı kutu, Etiketler
Kullanım Örneği: Mutfak Sanitasyon Video Veri Seti
Biçim: Video
Sayısı: 7k
Ek Açıklama: Evet
Açıklama: CCTV kamera görüntüleri. Çözünürlük 1920 x 1080'in üzerinde ve videonun saniye başına kare sayısı 30'un üzerindedir.
Landmark Görüntü Veri Kümesi
Kullanım Örneği: Yer İşareti Tanımlama, Yer İşaretleri Etiketleme
Biçim: . Jpg
Sayısı: 34118
Ek Açıklama: Yok hayır
Açıklama: Çevreleri bağlamında yer işaretlerinin görüntüleri
Kayıt cihazı: Mobil Kamera
Kayıt Durumu: - Gün Işığı - Gece - Bulutlu/Yağmur
Şerit Hattı Segmentasyon Veri Seti
İkili Segmentasyon, Anlamsal Segmentasyon
Kullanım Örneği: Otomatik Sürüş
Biçim: Resim
Sayısı: 135.3k
Ek Açıklama: Evet
Açıklama: "Şerit Çizgisi Bölümlendirme Veri Seti", özellikle şerit algılama ve bölümlendirmeye odaklanarak otonom sürüş teknolojilerindeki gelişmeleri hızlandırmak için tasarlanmıştır. Beyaz ve sarı renkte çeşitli düz ve kesik çizgiler gibi kapsamlı bir yol işaretlemesi yelpazesini kapsayacak şekilde 35 ayrı kategoriye ayrılmış, sürüş kayıt cihazlarından gelen çok sayıda görüntü içerir. Bu veri seti, otonom araçların güvenli navigasyonu için hayati önem taşıyan şerit sınırlarını belirlemede yapay zekanın hassasiyetini artırmayı amaçlamaktadır.
Şerit Birleştirme ve Çatal Alanı Bölümlendirme Veri Seti
İkili Segmentasyon
Kullanım Örneği: Otomatik Sürüş
Biçim: Resim
Sayısı: 4.2k
Ek Açıklama: Evet
Açıklama: "Şerit Birleştirme ve Çatal Alan Segmentasyonu Veri Seti", otonom sürüşteki kritik senaryolar olan şerit birleştirme ve çatallaşmanın karmaşıklıklarını özel olarak ele alır. Sürüş kayıt cihazı görüntülerinden oluşan bu veri seti, şeritlerin birleştiği veya ayrıldığı alanlara odaklanarak ikili segmentasyon için ek açıklamalarla belirtilmiştir. Şerit birleştirme alanları, şerit çatallaşma alanları (üçgen ters çizgilerle işaretlenmiş) ve araçlar, ağaçlar, yol işaretleri ve yayalar gibi olası engeller için ayrıntılı etiketler içerir. Bu veri seti, AI modellerinin bu zorlu yol durumlarında gezinmesini sağlamak için eğitilmesinde hayati bir araçtır ve daha akıcı ve daha güvenli otonom sürüş deneyimleri sağlar.
Çoklu Senaryolar ve Kişiler Semantik Segmentasyon Veri Kümesi
Kontur Segmentasyonu, Anlamsal Segmentasyon
Kullanım Örneği: Çoklu Senaryolar ve Kişiler Anlamsal Segmentasyon
Biçim: Resim
Sayısı: 54k
Ek Açıklama: Evet
Açıklama: "Çoklu Senaryolar ve Kişiler Semantik Segmentasyonu" veri seti, 1280 x 720 ila 6000 x 4000 arası çözünürlüklerde internetten toplanan görüntülerden oluşan görsel eğlence endüstrisi için özel olarak tasarlanmıştır. Kentsel, doğal ve iç mekan ortamlarındaki çok kişili sahnelere odaklanır. insan figürleri, aksesuarlar ve arka planlar için ayrıntılı açıklamalar sağlar.
Dış Mekan Binası Panoptik Segmentasyon Veri Kümesi
Panoptik Segmentasyon
Kullanım Örneği: Dış Mekan Binası Panoptik Segmentasyon Veri Kümesi
Biçim: Resim
Sayısı: 1k
Ek Açıklama: Evet
Açıklama: "Dış Mekan Bina Panoptik Segmentasyon Veri Seti", görsel eğlence endüstrisi için hazırlanmış olup, 3024 x 4032 pikseli aşan yüksek çözünürlüklü, internetten toplanan dış mekan görüntülerinden oluşan bir koleksiyondan oluşmaktadır. Bu veri seti, binalar, yollar, insanlar, arabalar ve daha fazlası dahil olmak üzere dış mekan sahnelerindeki tanımlanabilir her örneği yakalayan panoptik segmentasyona odaklanır ve ayrıntılı çevresel analiz ve oluşturma için kapsamlı bir veri seti sağlar.
Dış Mekan Nesneleri Semantik Segmentasyon Veri Kümesi
Sınırlayıcı kutu, Anahtar noktalar
Kullanım Örneği: Dış Mekan Nesneleri Semantik Segmentasyon Veri Kümesi
Biçim: Resim
Sayısı: 7.1k
Ek Açıklama: Evet
Açıklama: "Dış Mekan Nesneleri Semantik Segmentasyon Veri Seti", medya ve eğlence ile robotik alanındaki uygulamalar için geliştirilmiştir ve çözünürlükleri 1024 x 726 ila 2358 x 1801 piksel arasında değişen, internetten toplanan çeşitli görüntülerden oluşur. Bu veri kümesi, insan vücudunun parçaları, doğal manzaralar, mimari yapılar, kaldırımlar, ulaşım araçları ve daha fazlası dahil olmak üzere çeşitli dış mekan unsurlarını bölümlere ayırmak için sınırlayıcı kutu ve kilit nokta açıklamalarını kullanır.
Panoptik Sahneler Segmentasyon Veri Kümesi
Anlamsal Bölümleme
Kullanım Örneği: Panoptik Sahneler Segmentasyon Veri Kümesi
Biçim: Resim
Sayısı: 21.3k
Ek Açıklama: Evet
Açıklama: "Panoptik Sahne Segmentasyon Veri Seti", 660 x 371 ila 5472 x 3648 piksel çözünürlükte, internetten toplanan çok çeşitli görüntülerden oluşan, robotik ve görsel eğlence alanlarına yönelik kapsamlı bir kaynaktır. Bu veri kümesi, yatay ve dikey düzlemler, binalar, insanlar, hayvanlar ve mobilyalar gibi çeşitli unsurları yakalayarak çeşitli sahnelerin bütünsel bir görünümünü sunarak anlamsal bölümlendirmeyi amaçlamaktadır.
PUBG Oyun Sahneleri Segmentasyon Veri Kümesi
Örnek Segmentasyonu, Anlamsal Segmentasyon
Kullanım Örneği: PUBG Oyun Sahneleri Segmentasyon Veri Kümesi
Biçim: Resim
Sayısı: 11.2k
Ek Açıklama: Evet
Açıklama: "PUBG Oyun Sahneleri Segmentasyon Veri Seti", popüler oyun PUBG'nin 1920 × 886, 1280 × 720 ve 1480 × 720 piksel çözünürlükteki ekran görüntülerini içeren oyun uygulamaları için özel olarak tasarlanmıştır. Örneğin karakterler, araçlar, manzaralar ve oyun içi öğeler dahil olmak üzere anlamsal bölümleme ve 17 kategoriyi kapsayarak oyun geliştirme ve analiz için zengin bir kaynak sağlar.
Yol Sahnesi Semantik Segmentasyon Veri Kümesi
Anlamsal Bölümleme
Kullanım Örneği: Yol Sahnesi Semantik Segmentasyon Veri Kümesi
Biçim: Resim
Sayısı: 2k
Ek Açıklama: Evet
Açıklama: "Yol Sahnesi Semantik Segmentasyon Veri Seti", 1920 x 1080 piksel standart çözünürlüğe sahip, internetten toplanan görüntülerden oluşan bir koleksiyon içeren, otonom sürüş uygulamaları için özel olarak tasarlanmıştır. Bu veri seti, gelişmiş sürücü destek sistemlerinin (ADAS) ve otonom araç teknolojilerinin geliştirilmesini desteklemek için gökyüzü, binalar, şerit çizgileri, yayalar ve daha fazlası gibi yol sahnelerinin çeşitli unsurlarını doğru bir şekilde segmentlere ayırmayı amaçlayan semantik segmentasyona odaklanmıştır.
Yol Sahneleri Panoptik Segmentasyon Veri Kümesi
Panoptik Segmentasyon
Kullanım Örneği: Yol Sahneleri Panoptik Segmentasyon Veri Kümesi
Biçim: Resim
Sayısı: 1k
Ek Açıklama: Evet
Açıklama: "Yol Sahneleri Panoptik Segmentasyon Veri Seti", görsel eğlence ve otonom sürüş uygulamalarına yöneliktir ve 1600 x 1200 pikseli aşan çözünürlükte internetten toplanan yol sahnesi görüntülerinden oluşan bir koleksiyon içerir. Bu veri seti, panoptik segmentasyon konusunda uzmanlaşmış olup, görüntülerdeki araçlar, yollar, şerit çizgileri, bitki örtüsü ve insanlar gibi tanımlanabilir her örneği açıklayarak kapsamlı yol sahnesi analizi için ayrıntılı bir veri seti sağlar.
Gökyüzü Anahat Paspas Veri Kümesi
Bölünme
Kullanım Örneği: Gökyüzü Anahat Paspas Veri Kümesi
Biçim: Resim
Sayısı: 20k
Ek Açıklama: Evet
Açıklama: "Gökyüzü Anahat Paspas Veri Setimiz", seçilmiş gökyüzü görüntüleri seçkisiyle internet, medya ve mobil endüstrilere hitap etmektedir. Bu veri kümesi, çeşitli uygulamalara uygun, ayrıntılı taslak çıkarımı için piksel düzeyinde ince bölümleme ile güneşli, bulutlu, gün doğumu, gün batımı ve daha fazlasını içeren çeşitli gökyüzü koşullarını içerir.
Gökyüzü Segmentasyon Veri Kümesi
maske segmentasyonu
Kullanım Örneği: Gökyüzü Segmentasyon Veri Kümesi
Biçim: Resim
Sayısı: 73.6k
Ek Açıklama: Evet
Açıklama: "Gökyüzü Segmentasyon Veri Seti", görsel eğlence endüstrisi için titizlikle seçilmiş olup, çözünürlükleri 937 × 528 ila 9961 × 3000 arasında değişen, manuel olarak çekilmiş görüntüler içerir. Bu koleksiyon, gökyüzünün günün ve gecenin farklı zamanlarına göre bölümlenmesine adanmıştır. Kapsamlı maske segmentasyon görevleri için dinamik bir dizi dış mekan gökyüzü senaryosu.
Yürüyüş Yolu Bölümlendirme Veri Seti
Örnek Segmentasyonu, İkili Segmentasyon
Kullanım Örneği: Otomatik Sürüş
Biçim: Resim
Sayısı: 87.8k
Ek Açıklama: Evet
Açıklama: "Yürüyüş Yolu Bölümlendirme Veri Seti", yaya yürüyüş yollarının doğru bir şekilde tanımlanması ve bölümlendirilmesine odaklanarak otonom sürüş sistemlerinin güvenliğini ve verimliliğini artırmak için tasarlanmıştır. Sürüş kayıt cihazlarından alınan görüntüleri içeren bu veri seti, AI modellerinin sürülebilir alanlar ile yaya bölgeleri arasında ayrım yapmaları için eğitilmeleri açısından kritik öneme sahiptir. Yaya yürüyüş alanlarını hem örnek hem de ikili bölümlendirme teknikleriyle bölümlendirerek, kentsel ortamlarda güvenli bir şekilde gezinebilen otonom araçlar geliştirmek için kritik bir kaynak sağlar.