公开数据集 -麻将胡了pg电子网站

此数据集使用 tensorflow 训练图像识别模型以查找任何关于图片和视频。 内容 您会发现大约 1,500 张不同大小的船图片，但按不同类型分类：浮标、游轮、渡船、货船、贡多拉、充气船、皮划艇、纸船、帆船。 致谢

该数据集是麻省理工学院提供的原始数据。室内场景识别是高层次视觉中一个具有挑战性的开放性问题。 大多数适用于室外场景的场景识别模型在室内领域表现不佳。主要困难在于，虽然一些室内场景（例如走廊）可以通过全局空间属性很好地表征，但其他的（例如书店）可以通过它们包含的对象更好地表征。 更一般地说，为了解决室内场景识别问题，我们需要一个可以利用局部和全局判别信息的模型。   该数据库包含 67 个室内类别，

数据集介绍： 数据来自 lytro illum，捕获为 40mp 图像，然后转换为 5mp rgb d 图像。 第二个数据集来自 lenovo phab2（project tango），它利用双图像传感器重新创建大型 3d 结构的点云。这些以 .ply 和 .obj 数据集的形式提供  

description加州理工学院行人数据集由大约 10 小时的 640x480 30hz 视频组成，该视频取自在城市环境中通过常规交通行驶的车辆。 注释了大约 250,000 帧（在 137 个大约分钟长的片段中），总共 350,000 个边界框和 2300 个独特的行人。 注释包括边界框和详细的遮挡标签之间的时间对应关系referencesp. dollár, c. wojek, b. sc

本数据集共有 1224 张图像来自四个公共图像数据集：coco、voc07、imagenet 和 sun。amazon mechanic turk 工作人员将每个图像标记为包含 0、1、2、3 或 4 个以上的显着对象。可以在imgidx.mat中找到此标签信息以及边界框注释，一个存储图像信息的matlab结构数组。mso 数据集是 sos 数据集测试集的子集。波士顿大学的团队删除了一些显着对象严

城市景观数据（数据集pg电子试玩链接主页）包含从德国驾驶的车辆中拍摄的标记视频。此版本是作为 pix2pix 论文的一部分创建的已处理子样本。数据集包含来自原始视频的静止图像，语义分割标签与原始图像一起显示在图像中。这是语义分割任务的最佳数据集之一。   该数据集有 2975 个训练图像文件和 500 个验证图像文件。 每个图像文件为 256x512 像素，每个文件是与图像左半部分的原始照片以及右半部分的标记图像

describtionwiderperson 数据集是野外行人检测基准数据集，其图像选自广泛的场景，不再局限于交通场景。 我们选择了 13,382 张图像并标记了大约 400k 带有各种遮挡的注释。 我们随机选择 8000/1000/4382 图像作为训练、验证和测试子集。 与 citypersons 和 wider face 数据集类似，我们不发布测试图像的边界框基本事实。 用户需要提交最终的预

由于小光圈和传感器尺寸，智能手机图像通常比数码单反相机具有更多的噪点。考虑到图像去噪是一个活跃的研究领域，作者提出了一个去噪图像数据集，该数据集代表来自智能手机相机的真实噪声图像，具有高质量的地面实况。该数据集与cvpr 2020一起用于ntire 2020 真实图像去噪挑战赛。   该数据集包含以下智能手机在不同光照条件下拍摄的 160 对噪声/真实图像： gp: google pixelip:

数据集介绍： 多人姿态估计是许多计算机视觉任务的基础，近年来取得了重大进展。然而，以前很少有方法研究拥挤场景中的姿态估计问题，而在许多场景中，这仍然是一个具有挑战性和不可避免的问题。此外，目前的基准无法对此类案件进行适当评估。在本文中，我们提出了一种新的有效方法来解决人群中的姿势估计问题，并提出了一个新的数据集来更好地评估算法。   citation if you find our works u

fascicle 小腿肌肉超声数据集是一个由 812 幅小腿肌肉超声图像组成的数据集，用于分析肌肉弱点并预防受伤。该数据集在文章 aw-net：b 型超声图像上的自动肌肉结构分析以预防伤害中进行了介绍。它结合了由 ryan cunningham 等人发表的两篇文章“使用卷积、残差和反卷积神经网络从 b 模式超声图像中估计全区域骨骼肌纤维方向”提供的数据集。和 neil cronin 发表的“使用深