Apr, 2016

城市景观语义理解数据集

PDF
TL;DR为解决现有数据集不能很好地捕捉真实城市场景的复杂性，我们引入了 Cityscapes—— 一个基准套件和大规模数据集，用于像素级和实例级语义标注的方法的训练和测试。
visual understandingurban scenesemantic labelingdatasetdeep learning
发现论文，激发创造
  • SkyScapes -- 空中场景的细粒度语义理解

    介绍了一个名为 SkyScapes 的空中图像数据集，利用该数据集进行密集语义分割和多任务预测，并提出了一种新的多任务模型，相较于基准模型在目标区域轮廓和细节级别方面取得了显著的改进。

    Jul, 2020

  • 面向城市尺度三维点云的语义分割：数据集、基准和挑战

    本文介绍了一个由三个英国城市中 7.6 平方公里的城市景观组成的大规模城市照相测量点云数据集，其中每个 3D 点都被标记为 13 个语义类别之一，并通过基于现有算法的综合分析来识别了几个关键问题。

    Sep, 2020

  • SensatUrban：从城市规模摄影测量点云中学习语义

    本文介绍 SensatUrban 数据集，由近三十亿个带有精细语义注释的点云数据集组成，用于评估最先进的分割算法性能，并分析了限制城市规模点云理解的关键挑战。

    Jan, 2022

  • Cityscapes 3D: 面向 9 自由度车辆检测的数据集和基准

    该研究提出一种基于单目 RGB 图像的三维车辆检测方法，为此创建了 Cityscapes 3D 数据集，包含了所有类型车辆的三维标注信息，使得与基于 lidar 的方法相比具有更高效率和更大范围的标注信息。此外，研究将 2D 实例分割与 3D 包围盒成对提供，以便多任务学习。这对自动驾驶技术有着很重要的意义。

    Jun, 2020

  • Synscapes：用于街景解析的照片级合成数据集

    使用逼真的渲染技术创建的 Synscapes 合成数据集在街景分割的训练和验证方面展示了最先进的结果，并研究了网络在合成数据上推断时的行为，并分析了现有分割和检测模型，为计算机视觉系统的分析提供了细微的信息。

    Oct, 2018

  • 场景理解的 Cityscapes-Panoptic-Parts 和 PASCAL-Panoptic-Parts 数据集

    本技术报告介绍一种用于图像场景理解的数据集，包含兼容于全景分割和部分语义类别的标注，同时提供相关统计信息和处理 / 可视化代码。

    Apr, 2020

  • SkyScenes: 用于航空场景理解的合成数据集

    使用从无人机 (UAV) 角度捕获的繁密注释的航拍图像，我们创建了一个综合性的合成数据集 SkyScenes，以全面展示在不同布局（城市和农村地图）、天气条件、时间、俯仰角和海拔高度上的多样性，具有相应的语义、实例和深度注释。通过我们在 SkyScenes 数据集上的实验，我们证明：（1）在 SkyScenes 上训练的模型对不同的实际情境具有很好的泛化性能，（2）将真实图像的训练与 SkyScenes 数据相结合可以提高实际表现，（3）SkyScenes 的可控变化可以揭示模型对视点条件变化的响应方式，（4）引入额外的传感器模态（深度）可提高航拍场景理解能力。

    Dec, 2023

  • CityRefer：城市尺度点云数据的地理感知 3D 视觉引导数据集

    介绍了 CityRefer 数据集，该数据集是最大的城市级地理定位数据集，用于表示具体的 3D 物体，并开发了基线系统来执行视觉定位任务。

    Oct, 2023

  • UAVid: 一份用于无人机图像语义分割的数据集

    介绍并推广了 UAVid 数据集，即用于语义分割的无人机高分辨率影像数据集。该数据集采用斜视图拍摄，结合侧视和俯视角度，可为对象的识别提供更多信息，并提供了几种深度学习基线方法，其中提出的多尺度扩张网络效果最好。

    Oct, 2018

  • 深度学习城市：全球尺度下衡量城市感知

    利用卷积神经网络从大规模的人类认知感知数据集中学习，在全球范围内量化城市环境感知现象的关系。

    Aug, 2016