Dataset之ADE20k:ADE20k数据集的简介、安装、使用方法之详细攻略

简介: Dataset之ADE20k:ADE20k数据集的简介、安装、使用方法之详细攻略

ADE20k数据集的简介


image.png


     ADE20k拥有超过25,000张图像(20ktrain,2k val,3ktest),这些图像用开放字典标签集密集注释。对于2017 Places Challenge 2,选择了覆盖89%所有像素的100个thing和50个stuff类别。在本研究中作者使用后者这个封闭的词汇表。


官网:http://groups.csail.mit.edu/vision/datasets/ADE20K/



1、数据集组成


Training set:20.210 images (browse)

All images are fully annotated with objects and, many of the images have parts too.


Validation set:2.000 images (browse)

Fully annotated with objects and parts


Test set:Images to be released later.


Consistency set:64 images and annotations used for checking the annotation consistency (download)


2、图片和注释


每个文件夹包含按场景类别(与位置数据库相同的场景类别)分隔的图像。对于每个图像,对象和部分分段存储在两个不同的png文件中。所有对象和部分实例都是稀疏注释的。



3、每幅图像下的文件


* . jpg:RGB图像。

* _seg.png:对象分割掩码。此图像包含有关对象类分割掩码的信息,还将每个类分隔为实例。通道R和G编码对象类掩码。通道B对实例对象掩码进行编码。loadAde20K的函数。m提取两个掩模。

* _seg_parts_N.png:零件分割掩码,其中N是一个数字(1,2,3,…),表示零件层次结构中的级别。部件被组织在一个树中,其中对象由部件组成,部件也可以由部件组成,部件的部件也可以有部件。level N表示部件树中的深度。级别N=1对应于对象的各个部分。所有的部件分割都具有与对象分割掩码相同的编码,类在RG通道中编码,实例在B通道中编码。使用loadAde20K函数。提取部分分割掩码,并将同一类的实例分离。

* _.txt:描述每个图像(描述对象和部件)内容的文本文件。此信息与其他文件是冗余的。但另外还包含有关对象属性的信息。loadAde20K的函数。m还解析这个文件的内容。文本文件中的每一行包含:列1=实例号,列2=部件级别(对象为0),列3=遮挡(true为1),列4=类名(使用wordnet解析),列5=原始名称(可能提供更详细的分类),列6=逗号分隔的属性列表。



ADE20k数据集的安装


更新……



ADE20k数据集的使用方法


1、该论文中使用了ADE20k数据集


DL之Panoptic Segmentation:Panoptic Segmentation(全景分割)的简介(论文介绍)、全景分割挑战简介、案例应用等配图集合之详细攻略

https://yunyaniu.blog.csdn.net/article/details/100387821


 


相关文章
|
算法 数据库 计算机视觉
Dataset之COCO数据集:COCO数据集的简介、下载、使用方法之详细攻略
Dataset之COCO数据集:COCO数据集的简介、下载、使用方法之详细攻略
|
机器学习/深度学习 编解码 BI
RegNet架构复现--CVPR2020
在这项工作中,我们**提出了一种新的网络设计范式**。我们的目标是帮助促进对网络设计的理解,并发现跨环境通用的设计原则。我们不是专注于设计单个网络实例,而是设计参数化网络群体的网络设计空间。整个过程类似于经典的网络手动设计,但提升到了设计空间级别。使用我们的方法,我们探索了网络设计的结构方面,并**得出了一个由简单、规则的网络组成的低维设计空间,我们称之为** ==RegNet==。
2098 0
RegNet架构复现--CVPR2020
|
11月前
|
人工智能 数据可视化 API
语义分割笔记(一):基于PaddleSeg使用Transfomer模型对航空遥感图像分割
这篇博客介绍了如何使用PaddleSeg和Transformer模型SegFormer B3对航空遥感图像进行语义分割,包括项目背景、数据集处理、训练步骤和代码实现。
871 1
语义分割笔记(一):基于PaddleSeg使用Transfomer模型对航空遥感图像分割
|
传感器 机器学习/深度学习 编解码
智能驾驶--语义分割 公开数据集 汇总
本文整理了10个质量较好,数据集较大,比较新的,图像语义分割的公开数据集;主要服务于智能驾驶方向(辅助驾驶、自动驾驶等)。
1735 0
|
机器学习/深度学习 人工智能 监控
论文介绍:Masked-attention Mask Transformer (Mask2Former)——通用图像分割的新架构
【5月更文挑战第24天】Mask2Former,一种新型的图像分割架构,采用遮蔽注意力机制聚焦局部特征,提升模型收敛速度和性能,在COCO、Cityscapes等数据集上刷新记录。其元架构结合背景特征提取器、像素解码器和Transformer解码器,实现高效训练和性能提升。尽管在处理小对象和泛化能力上仍有局限,但Mask2Former为通用图像分割开辟了新路径。[链接](https://arxiv.org/abs/2112.01527)
894 5
|
存储 传感器 编解码
CVPR 2023 最全分割类论文整理:图像/全景/语义/实例分割等【附PDF+代码】
CVPR 2023 最全分割类论文整理:图像/全景/语义/实例分割等【附PDF+代码】
1778 1
|
机器学习/深度学习 编解码 自然语言处理
SAM究极进化版开源 | SAM与CLIP互相学习,带来最强Open-Vocabulary SAM,万物皆可
SAM究极进化版开源 | SAM与CLIP互相学习,带来最强Open-Vocabulary SAM,万物皆可
887 0
|
算法 自动驾驶 开发者
Cityscapes数据集(智能驾驶场景的语义分割)
面向智能驾驶(辅助驾驶、自动驾驶)场景下的语义分割任务,由于非结构化场景的复杂性,是一个非常具有挑战性的任务,所以有许多研究者和研究机构公开了很多相关的数据集推动语义分割领域的发展。本文主要介绍Cityscapes数据集。
1053 0
|
人工智能 自动驾驶 算法
Wilddash2 | 最新自动驾驶全景分割数据集!CVPR2022
本文提出了三点改进自动驾驶场景下全景分割的方法。首先,本文提出的标签策略统一了四个目前主流的自动驾驶全景分割数据集,并添加了新的车辆标签(皮卡车和货车)来清理混乱的标签。为了将新标签添加至现有设置中,本文提供了Mapillary Vistas、IDD、Cityscapes数据集的完整新标签信息。
Wilddash2 | 最新自动驾驶全景分割数据集!CVPR2022
|
机器学习/深度学习 传感器 编解码
深度学习应用篇-计算机视觉-语义分割综述[5]:FCN、SegNet、Deeplab等分割算法、常用二维三维半立体数据集汇总、前景展望等
深度学习应用篇-计算机视觉-语义分割综述[5]:FCN、SegNet、Deeplab等分割算法、常用二维三维半立体数据集汇总、前景展望等
深度学习应用篇-计算机视觉-语义分割综述[5]:FCN、SegNet、Deeplab等分割算法、常用二维三维半立体数据集汇总、前景展望等