hrsc2016 下载 数据集_CVPR2020 |4篇3D对象数据集介绍【附下载链接】

FS-1000: 1000类数据集Few-Shot分割

摘要：

在过去的几年中，我们见证了深度学习在图像识别领域的成功，这要归功于大规模的人工注释数据集，如PASCAL VOC、ImageNet和COCO。虽然这些数据集涵盖了广泛的对象类别，但仍然有大量的对象没有被包括在内。我们可以在没有大量人工注释的情况下执行相同的任务吗?在本文中，我们感兴趣的是少镜头目标分割，其中标注训练例子的数量限制在5。为了评价和验证我们的方法的性能，我们建立了一个少镜头分割数据集FSS-1000，该数据集包含1000个带有地面真值分割像素注释的目标类。FSS-1000的独特之处是，我们的数据集包含了大量以前数据集中从未见过或标注过的对象，如微小的日常物品、商品、卡通人物、徽标等。我们使用标准的骨干网(如VGG-16、ResNet-101和Inception)来构建基线模型。令我们惊讶的是，我们发现使用FSS-1000从头开始训练我们的模型，可以获得与使用ImageNet预先训练的权值进行训练相似甚至更好的结果，ImageNet的权值是FSS-1000的100多倍。我们的方法和数据集都是简单，有效，易于扩展，以学习分割新的对象类给出很少的注释训练例子。

数据集可在https://github.com/HKUSTCV/FSS-1000获得.

关注人工智能学术前沿 回复 ：cv11

获取论文pdf文档

IntrA：用于深度学习的3D颅内动脉瘤数据集

摘要：

医学是深度学习模型的一个重要应用领域。这一领域的研究是医学专业知识和数据科学知识的结合。在本文中，我们没有采用二维医学图像，而是引入了一种开放存取的三维颅内动脉瘤数据集IntrA，使得基于点和基于网格的分类分割模型的应用成为可能。我们的数据集可以用于诊断颅内动脉瘤，提取颈部用于医疗和其他深度学习领域的夹闭手术，如正常估计和表面重建。通过测试最先进的网络，我们提供了一个分类和部分分割的大规模基准。我们还将讨论每种方法的性能，并演示数据集的挑战。

发布的数据集可以在这里访问:https://github.com/intra2d2019/IntrA。

关注人工智能学术前沿 回复 ：cv12

获取论文pdf文档

OASIS:野外单图像三维的大规模数据集

摘要：

单视图三维是恢复三维属性的任务，如深度和表面法线从一个单一的图像。我们假设，单图像三维的主要障碍是数据。我们通过提供单一图像表面开放标注(OASIS)来解决这个问题，这是一个用于野外单图像3D的数据集，包含140,000张图像的详细3D几何标注。我们培训和评估领先的模型在各种单图像3D任务。我们期望OASIS能成为3D视觉研究的有用资源。

项目网站:https://pvl.cs.princeton.edu/OASIS。

关注人工智能学术前沿 回复 ：cv13

获取论文pdf文档

3D-ZeF:一个3D斑马鱼跟踪基准数据集

摘要：

在这项工作中，我们提出了一个新的公共可获得的立体三维RGB数据集，用于多目标斑马鱼跟踪，称为3D- zef。斑马鱼是一种越来越流行的生物模型，用于研究神经紊乱、药物成瘾等。行为分析通常是这类研究的关键部分。然而，斑马鱼的视觉相似性、咬合和不稳定的运动使健壮的3D跟踪成为一个具有挑战性和未解决的问题。提出的数据集由持续时间在15-120秒和1-10自由移动的斑马鱼的8个序列组成。这些视频总共被标注了86400个点和边框。此外，我们提出了一个复杂度评分和一个新的开源模块化基线系统的三维跟踪斑马鱼。系统的性能是由两个检测器测量的:一个朴素的方法和一个更快的R-CNN基于鱼头检测器。该系统的MOTA达到77.6%。

代码和数据集的链接可以在项目页面http://vap.aau.dk/3d-zef获得

关注人工智能学术前沿 回复 ：cv14

获取论文pdf文档