【计算机视觉】三种常用的分割数据集：室内场景(ADE20K)、室外场景(Cityscapes)和驾驶场景(BDD100K)-Toy模板网

这篇具有很好参考价值的文章主要介绍了【计算机视觉】三种常用的分割数据集：室内场景(ADE20K)、室外场景(Cityscapes)和驾驶场景(BDD100K)。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、室内场景(ADE20K)

1.1 背景介绍

ADE20K 数据集是 2016 年 MIT 开放的场景理解的数据集，可用于实例分割，语义分割和零部件分割。利用图像信息进行场景理解 scene understanding 和 scene parsing。

语义分割 Semantic Segmentation 即最常见的任务，将图像的不同像素按对象类别 object category进行分类，实例分割 Instance Segmentation 不仅要识别不同物体所属的类别，还需识别出同类的不同物体。零部件分割 Part Segmentation是在识别出的物体上分割出不同部分所属的零部件类别，这对于理解场景帮助机器人与环境交互十分重要，如在某个 scene 中分割出来 chair 或者 cup，为了坐下或者拿起杯子需要找到 objects 中对应的 parts,如 chair 可以坐的部分， cup 的杯柄，以实现机器人与知行特定的任务。

已有分割公开数据集的现状：

类别有限，且有些数据类别在实际生活中并不常见如 COCO 和 PASCAL 数据集；
包含的场景过少，如 Cityscapes 仅包含城市街区的场景数据；
Pascal-Context 和 SUN 还不错，但 Pascal-Context 主要包含其20个对象类的场景，而 SUN 在对象级别的标注是不准确的。

1.2 数据集的介绍

ADE20K的官网：

https://groups.csail.mit.edu/vision/datasets/ADE20K/index.html

ADE20K 由 27000 张图像组成，这些图像来自于 SUN (2010 年普林斯顿大学公开的数据集) 和 Places (2014 年 MIT 公开的数据集)数据集，ADE20K 中由超过 3000 个物体类别 category，其中很多图像组成物体的零部件的类别，以及组成零部件的零部件的类别，如汽车的零部件门，门上面的零部件窗户。ADE20K 中还标注了实例的 id,可用于实例分割。数据中的图像都进行了匿名化处理，做了人脸和车牌号的模糊，去除了隐私信息。

ADE20K 的数据分布：

训练集 Training set 包含 25574 张完整标注图像；
验证集 Validation set 包含 2000 张完整标注图像；
测试集 Test set 还没有发布。

ADE20K 的数据组成：

共包含 27574 张图像；
3688 个类，类名取自WordNet(WordNet是由普林斯顿大学认识科学实验室在心理学教授乔治·A·米勒的指导下建立和维护一个词与词之间存在各种关系的英语字典)；
707868 个对象；
193238 个零部件。

数据文件目录结构：

.
└── ADE20K_2021_17_01
    └── images
        └── ADE
            └── training
                └── urban
                    └── street
                        ├── ADE_train_00016869
                        │   ├── instance_000_ADE_train_00016869.png
                        │   ├── instance_001_ADE_train_00016869.png
                        │   ├── instance_..._ADE_train_00016869.png
                        ├── ADE_train_00016869.jpg
                        ├── ADE_train_00016869.json
                        ├── ADE_train_00016869_parts_1.png
                        ├── ADE_train_00016869_parts_2.png
                        ├── ADE_train_00016869_seg.png
                        ├── ADE_train_00016964
                        │   ├── instance_000_ADE_train_00016964.png
                        │   ├── instance_001_ADE_train_00016964.png
                        │   ├── instance_..._ADE_train_00016964.png
                        ├── ADE_train_00016964.jpg
                        ├── ADE_train_00016964.json
                        ├── ADE_train_00016964_parts_1.png
                        └── ADE_train_00016964_seg.png

image_name.jpg原始图像，如ADE_train_00016869.jpg；
{image_name}_seg.png图像 image_name.jpg对应的类别和实例的标注信息，存储在其每个像素的 RGB通道中，借助 toolkit中的代码utils_ade20k.py可以实现标注信息的解析；
{image_name}parts{i}.png图层 i中包含的零部件，如ADE_train_00016869_parts_1.png；
{image_name}，以文件名命名的文件夹，其中的每个图像分别是一个实例标注信息对应原图的掩码，由 0,1组成。如ADE_train_00016869；
{image_name}.json包含了图像对应的标注信息，如实例和类别标注信息的多边形，标注的时间，标注实例或对象的属性，如ADE_train_00016869.json。

二、驾驶场景(BDD100K)

目前，自动驾驶的公开数据集主要由视频和图片组成，近两年也增加了许多雷达数据。

加州大学伯克利分校发布的 BDD100K 数据集，该数据集为迄今规模最大、最多样的自动驾驶数据集之一。BDD100K 数据集，是加州大学伯克利分校 AI 实验室（BAIR）于 2018 年发布的，迄今为止最大规模、内容最具多样性的公开驾驶数据集之一。其包含的 10 万个高清视频序列，时长超过 1100 小时。其中，每个视频大约 40 秒长、720p、30 fps，还附有手机记录的 GPS/IMU 信息和时间戳，以显示大概的驾驶轨迹。BAIR 还对每个视频的第 10 秒对关键帧进行采样，得到 10 万张图片（图片尺寸：1280*720 ），并进行标注。

这些图片还被标记了：图像标记、道路对象边界框、可驾驶区域、车道标记线和全帧实例分割。这些注释有助于理解不同场景中数据和对象统计的多样性。数据集中的视频是从美国各地收集的，涵盖不同时间、不同天气条件（包括晴天、阴天和雨天，以及白天和晚上的不同时间）和驾驶场景。

收集数据集的地理位置分布在纽约、伯克利、旧金山等地。数据集中，道路目标检测是为公共汽车、交通灯、交通标志、人、自行车、卡车、摩托车、汽车、火车和乘车人等 100000 张图片上标注 2D 边界框；实例分割被用于探索具有像素级和丰富实例级注释，相关图像超过 10000 张；引擎区域是从 10 万张图片中学习复杂的可驾驶决策；车道标记是在 10 万张行车指南图片上的多种车道标注。车道标记类图片中，标注了实线、虚线、双线、单线等。

该数据集由相关论文有《BDD100K: A Diverse Driving Video Database with Scalable Annotation Tooling》，该项目由伯克利 DeepDrive 产业联盟组织和赞助，该联盟研究计算机视觉和机器学习在汽车应用上的最新技术。

室内场景数据集,计算机视觉,计算机视觉,人工智能,图像分割,ADE20K,Cityscapes,BDD100K,原力计划