NVIDIA Irregular Mask Dataset、不规则mask图像修复系列学习基础资料

简介: 干货分享
🥇 版权: 本文由【墨理学AI】原创、首发、各位大佬、敬请查阅、感谢三连
🎉 声明: 作为全网 AI 领域 干货最多的博主之一,❤️ 不负光阴不负卿 ❤️

top.png

📔 NVIDIA Irregular Mask Dataset: Testing Set(应用最广泛的mask数据)

官方链接如下:
官方下载界面:

5

NVIDIA Irregular Mask Dataset: Training Set 数据样本如下:

1
  这数据你能看懂 ?这个Training Set 1.2G,但是对于图像修复,很多论文中只使用 Testing Set 里面的Mask 和 其它 图像数据结合使用 ;因此新同学不要纠结这个 Training Set ,图像修复一般用不到的,都说到这个份上了,大佬还不给个点赞吗;

  • 主流修复方法逻辑:把 mask 和 原图 组合一起 就得到了 损坏 图像,然后 使用损坏 图像 + mask 作为 配对数据,送给模型进行训练和测试;
  • 比较有用的是 NVIDIA Irregular Mask Dataset: Testing Set
  • 自行下载有困难同学,欢迎移步最下方快速获取途径;

📕 QD-IMD: Quick Draw Irregular Mask Dataset (较少论文引用)

git 链接:
下载链接

该数据集 is based on Quick Draw dataset (a collection of 50 million human drawings);

对了理想和正义而生,然而并非来自XX顶会,也没有相对应的论文来源可以引用,因此只能锦上添花,暂时难以登上台面;所以为了做实验,发论文还是要使用上面的 NVIDIA Irregular Mask Dataset: Testing Set

哪天有大佬把该数据集推向顶会,那么大家就有的用啦;

此处仅仅对发布该数据集的小哥表达敬佩之情;

📗 两个Mask数据集示例如下

3-1

📘 引用

  • [1] Image Inpainting for Irregular Holes Using Partial Convolutions
  • [2] CelebA dataset

以上数据集仅用于学术分享,使用时需要引用原论文!

📙 NVIDIA Irregular Mask test Dataset 快速获取途径如下

搜索关注本博客同名公号,公号后台回复 【不规则掩码】获取本博文中的 NVIDIA Irregular Mask test Dataset 云盘下载链接:
不规则掩码
数据下载不易,感谢点赞鼓励

📘 不规则mask图像修复系列学习基础资料【干货分享】

干货分享资源,主要包含内容如下:
  1. NVIDIA Irregular Mask test Dataset
  2. 不规则mask图像修复系列学习论文集
下载压缩包之后,解压内容如下:

0

不规则mask图像数据,示例如下:

1-1

不规则mask图像修复系列论文如下:

1

具体方式、请查阅下文

# 不规则mask图像修复系列学习基础资料【查阅原文】

📘 备注

该资源部分paper,我在阅读时,做了少许(重点)批注,可以帮助小白童靴学习理解 !

📙 博主 AI 领域八大干货专栏、诚不我欺

📙 预祝各位 2022 前途似锦、可摘星辰

🎉 作为全网 AI 领域 干货最多的博主之一,❤️ 不负光阴不负卿 ❤️
❤️ 过去的一年、大家都经历了太多太多、祝你披荆斩棘、未来可期

762.jpg

目录
相关文章
|
人工智能 计算机视觉 Python
【YOLOv8-Seg】实战二:LabVIEW+OpenVINO加速YOLOv8-seg实例分割
【YOLOv8-Seg】实战二:LabVIEW+OpenVINO加速YOLOv8-seg实例分割
401 0
【YOLOv8-Seg】实战二:LabVIEW+OpenVINO加速YOLOv8-seg实例分割
|
人工智能 算法 自动驾驶
使用OpenCV实现Halcon算法(2)形状匹配开源项目,shape_based_matching
使用OpenCV实现Halcon算法(2)形状匹配开源项目,shape_based_matching
3731 0
使用OpenCV实现Halcon算法(2)形状匹配开源项目,shape_based_matching
|
4月前
|
机器学习/深度学习 计算机视觉
【YOLOv8改进】EMA(Efficient Multi-Scale Attention):基于跨空间学习的高效多尺度注意力 (论文笔记+引入代码)
YOLO目标检测专栏介绍了创新的多尺度注意力模块EMA,它强化通道和空间信息处理,同时降低计算负担。EMA模块通过通道重塑和并行子网络优化特征表示,增强长距离依赖建模,在保持效率的同时提升模型性能。适用于图像分类和目标检测任务,尤其在YOLOv8中表现出色。代码实现和详细配置可在文中链接找到。
|
5月前
|
机器学习/深度学习 编解码
【论文笔记】图像修复MPRNet:Multi-Stage Progressive Image Restoration 含代码解析2
【论文笔记】图像修复MPRNet:Multi-Stage Progressive Image Restoration 含代码解析
194 2
|
5月前
|
机器学习/深度学习 计算机视觉
【论文笔记】图像修复MPRNet:Multi-Stage Progressive Image Restoration 含代码解析1
【论文笔记】图像修复MPRNet:Multi-Stage Progressive Image Restoration 含代码解析
89 1
|
5月前
|
机器学习/深度学习 数据采集 人工智能
【AAAI 2024】解锁深度表格学习(Deep Tabular Learning)的关键:算术特征交互
近日,阿里云人工智能平台PAI与浙江大学吴健、应豪超老师团队合作论文《Arithmetic Feature Interaction is Necessary for Deep Tabular Learning》正式在国际人工智能顶会AAAI-2024上发表。本项工作聚焦于深度表格学习中的一个核心问题:在处理结构化表格数据(tabular data)时,深度模型是否拥有有效的归纳偏差(inductive bias)。
|
5月前
|
算法
R语言如何解决线性混合模型中畸形拟合(Singular fit)的问题
R语言如何解决线性混合模型中畸形拟合(Singular fit)的问题
|
机器学习/深度学习 编解码 人工智能
ATC 模型转换动态 shape 问题案例
ATC(Ascend Tensor Compiler)是异构计算架构 CANN 体系下的模型转换工具:它可以将开源框架的网络模型(如 TensorFlow 等)以及 Ascend IR 定义的单算子描述文件转换为昇腾 AI 处理器支持的离线模型;模型转换过程中,ATC 会进行算子调度优化、权重数据重排、内存使用优化等具体操作,对原始的深度学习模型进行进一步的调优,从而满足部署场景下的高性能需求,使其能够高效执行在昇腾 AI 处理器上。
201 0
|
机器学习/深度学习 编解码 决策智能
计算机视觉实战(十一)Scale Invariant Feature Transform(SIFT)(附完整代码)
计算机视觉实战(十一)Scale Invariant Feature Transform(SIFT)(附完整代码)
|
网络架构
YOLOv5抛弃Anchor-Base方法 | YOLOv5u正式加入Anchor-Free大家庭
YOLOv5抛弃Anchor-Base方法 | YOLOv5u正式加入Anchor-Free大家庭
246 0
下一篇
无影云桌面