Computer Vision-Datensätze

451 Personen, 2,255 Bilder mit semantischer Segmentierung verschiedener ethnischer Gruppen, einschließlich verschiedener Körperbewegungen, verschiedener Altersgruppen, verschiedener ethnischer Gruppen und verschiedener Aufnahmehintergründe. Bei der Beschriftung wurden Kopfhörer, Körper, Hintergrund und Brillen mit Bildausschnitten beschriftet. Die 451 Personen und 2,255 Bilder mit semantischer Segmentierung verschiedener ethnischer Gruppen können für Aufgaben wie die Segmentierung des menschlichen Körpers und die Verhaltenserkennung in Videokonferenzen verwendet werden.

Hochrealistischer 3D-Szenen-Synthesedatensatz_Cockpit: Sensordaten, die durch 3D-Szenenmodellierung erstellt wurden und der realen Welt stark ähneln, einschließlich Kameraaufnahmen, Videosequenzen und Punktwolken. Verfügbare Annotationen beinhalten, sind aber nicht beschränkt auf Kameraparameter, Zielkategorie/Erkennung/Semantische Segmentierung, Zeit-/Licht-/Wetter-Metadaten sowie Körperposen wie Kopf-/Augen-/Arm-/Beinposition und -richtung. Dieser Datensatz kann für Umweltmodellierung und Datensynthese in Anwendungsbereichen wie autonomem Fahren und Robotik verwendet werden.

1,130 Menschen treffen Szene Ausdruck Anerkennung Daten, einschließlich der gelben, weißen, schwarzen und braunen Multi-Tasking, das Alter der mittleren Alters und junge Menschen, sammelte eine Vielzahl von Innen-Büro-Szenen, die Konferenzräume, Cafés, Bibliotheken, Schlafzimmer, etc., und jeder Sammler gesammelt normal, glücklich, überrascht, traurig, wütend, angewidert, und Angst, sieben Arten von Ausdrücken.

821 Fahrer 7 Ausdruckserkennungsdaten, die mehrere Altersgruppen, Zeiträume und mehrere Ausdrücke abdecken. Als Erfassungsgerät wurde eine binokulare Kamera mit sichtbarem und infrarotem Licht verwendet. Dieser Datensatz zur Erkennung von Fahrermimik kann für Aufgaben wie die Erkennung von Fahrermimik verwendet werden.

13,587 Personen verschiedener Ethnien mit 7 Arten von Gesichtsausdrücken, darunter Männer und Frauen, im Alter von Jugendlichen bis zu Senioren, hauptsächlich junge und mittlere Altersgruppen, mit jeweils 7 Fotos pro Person. Die Datenvielfalt umfasst verschiedene Gesichtsausdrücke, unterschiedliche Beleuchtung und verschiedene Szenarien. 13,587 Personen verschiedener Ethnien mit 7 Arten von Gesichtsausdrücken können für die Erkennung von Gesichtsausdrücken verwendet werden.

Die Daten zur Erkennung des Fahrverhaltens von 844 Personen umfassen mehrere Altersgruppen, mehrere Zeiträume und mehrere Beleuchtungen. Das Fahrverhalten umfasst gefährliches Fahrverhalten, müdes Fahrverhalten und Sichtabweichungsverhalten. Als Erfassungsgeräte wurden sichtbare und Infrarot-Binokular-Kameras verwendet. Dieser Datensatz zur Erkennung von Fahrerverhalten kann für Aufgaben wie die Analyse des Fahrerverhaltens verwendet werden.

942 Daten zur Erkennung von Fahrgastverhalten, die mehrere Altersgruppen, mehrere Zeiträume und mehrere Beleuchtungen abdecken. Das Fahrgastverhalten umfasst normales Fahrgastverhalten und abnormales Fahrgastverhalten (Fahrgastverhalten bei Reisekrankheit, Fahrgastverhalten bei Schläfrigkeit, Fahrgastverhalten beim Verlassen von Kindern und Habseligkeiten). Als Erfassungsgeräte werden sichtbare und infrarote binokulare Kameras verwendet. Dieser Datensatz zur Erkennung von Fahrgastverhalten kann für Aufgaben wie die Analyse des Fahrgastverhaltens verwendet werden.

54,415 Mikroexpressions-Videodaten von 57 Typen, einschließlich gelber, schwarzer, weißer und brauner Ethnien; Altersgruppen, einschließlich unter 18, 18~45, 46~60 und über 60; Erfassungsumgebungen, einschließlich Innen- und Außenszenen; und kann in einer Vielzahl von Szenarien wie Gesichts- und Ausdruckserkennung verwendet werden.

1,007 Personen mit Gesichtsverdeckungen in verschiedenen Posen für die Gesichtserkennung. Von jeder Person wurden unter 10 verschiedenen Verdeckungsbedingungen (einschließlich ohne Verdeckung) * 4 Lichtverhältnisse * 5 Gesichtsposen erfasst, insgesamt 10 * 4 * 5 = 200 (Bilder) Gesichtsdaten. 1,007 Personen mit Gesichtsverdeckungen in verschiedenen Posen für die Gesichtserkennung. Die Daten können für Computer-Vision-Aufgaben wie die Erkennung und Identifizierung verdeckter Gesichter verwendet werden.