GitHub:語義分割最全資料集錦

2021-02-25 CVer

點擊上方「CVer」,選擇加"星標"置頂

重磅乾貨,第一時間送達

作者:mrgloom  |  編輯:Amusi

前言

CVer 陸續分享了GitHub上優質的AI/CV資料集錦,如圖像分類、目標檢測等,之前的分享詳見文末。很多同學反映這個系列很棒,因此系列將繼續更新。

本文將分享的內容是:語義分割(Semantic Segmentation)。值得提一下,按近一年頂會上的語義分割方向的論文來看,弱監督+語義分割、域自適應+語義分割方向的論文越來越多了。感興趣的同學可以看一下:ECCV 2020 語義分割論文大盤點(38篇論文)

註:文末附語義分割微信交流群,歡迎加入學習

awesome-semantic-segmentation

項目作者:mrgloom

Star數量:7100

https://github.com/mrgloom/awesome-semantic-segmentation

本項目包含的內容相當之多,雖然名為語義分割,但跟分割相關方向其實都有涉及:

語義分割

實例分割

數據集

Benchmarks

標註工具

Losses(損失函數)

醫學圖像分割

衛星圖像分割

...

其中每個部分介紹的都非常詳細,比如一個論文,會相應介紹其多種復現的開原始碼(基於PyTorch、TensorFlow等)。

語義分割

主要涵蓋了2015-2019年間的優質工作:U-Net系列、SegNet、DeepLab系列、FCN、ENet、ICNet、PSPNet、BiseNet、CCNet和FastFCN等網絡

註:2020年的語義分割論文建議主要看CVPR 2020、ECCV 2020上的工作就行

實例分割

主要涵蓋了2015-2020年間的優質工作:FCIS、Mask R-CNN、MR R-CNN、YOLACT、CenterMask和SOLO系列等網絡

數據集

涵蓋的語義分割數據集相當多,比如遙感方向、自動駕駛方向等

Stanford Background Dataset

Sift Flow Dataset

Barcelona Dataset

Microsoft COCO dataset

MSRC Dataset

LITS Liver Tumor Segmentation Dataset

KITTI

Pascal Context

Data from Games dataset

Human parsing dataset

Mapillary Vistas Dataset

Microsoft AirSim

MIT Scene Parsing Benchmark

COCO 2017 Stuff Segmentation Challenge

ADE20K Dataset

INRIA Annotations for Graz-02

Daimler dataset

ISBI Challenge: Segmentation of neuronal structures in EM stacks

INRIA Annotations for Graz-02 (IG02)

Pratheepan Dataset

Clothing Co-Parsing (CCP) Dataset

Inria Aerial Image

ApolloScape

UrbanMapper3D

RoadDetector

Cityscapes

CamVid

Inria Aerial Image Labeling

Benchmarks

其實除了上面幾個項目之外,這裡 Amusi 再補充幾個目前主流的benchmarks,近期不少頂會上的論文就是在此基礎上修改的。

https://github.com/open-mmlab/mmsegmentation

https://github.com/zhanghang1989/PyTorch-Encoding

https://github.com/speedinghzl/pytorch-segmentation-toolbox

https://github.com/NVIDIA/semantic-segmentation

標註工具

labelme 永遠滴神!

Losses(損失函數)

這裡也十分推薦大家看一下這篇文章:一文看盡15種語義分割損失函數(含代碼解析)

侃侃

本項目包含的語義分割論文、開源項目相當多,十分推薦學習!

資料下載

在CVer公眾號後臺回覆:最全語義分割,即可下載訪問最全的語義分割論文、開源項目等資料。

另外強烈推薦閱讀,Amusi 整理過的最全資料系列如下:

下載2

後臺回覆:CVPR2020,即可下載代碼開源的論文合集

後臺回覆:ECCV2020,即可下載代碼開源的論文合集

重磅!CVer-語義分割 微信交流群已成立


掃碼添加CVer助手,可申請加入CVer-語義分割 微信交流群,目前已匯集1500人!涵蓋語義分割等。互相交流,一起進步!


同時也可申請加入CVer大群和細分方向技術群,細分方向已涵蓋:目標檢測、圖像分割、目標跟蹤、人臉檢測&識別、OCR、姿態估計、超解析度、SLAM、醫療影像、Re-ID、GAN、NAS、深度估計、自動駕駛、強化學習、車道線檢測、模型剪枝&壓縮、去噪、去霧、去雨、風格遷移、遙感圖像、行為識別、視頻理解、圖像融合、圖像檢索、論文投稿&交流、PyTorch和TensorFlow等群。


一定要備註:研究方向+地點+學校/公司+暱稱(如語義分割+上海+上交+卡卡),根據格式備註,可更快被通過且邀請進群

▲長按加群


▲長按關注我們

整理不易,請給CVer點讚和在看

相關焦點

  • GitHub:超解析度最全資料集錦
    前言CVer 陸續分享了GitHub上優質的AI/CV資料集錦,如圖像分類、目標檢測、語義分割等,之前的分享詳見文末。本文將分享的內容是:超解析度(Super Resolution,SR)最全資料合集,涵蓋了SISR、VSR等。
  • GitHub:人群計數最全資料集錦
    作者:gjy3035  |  編輯:Amusi前言CVer 陸續分享了GitHub上優質的AI/CV資料集錦,如圖像分類、目標檢測、語義分割等,之前的分享詳見文末。https://github.com/gjy3035/C-3-Framework
  • GitHub:數據增廣最全資料集錦
    作者:AgaMiko  |  編輯:Amusi前言CVer 陸續分享了GitHub上優質的AI/CV資料集錦Amusi 在本文要分享的就是目前最全,最新的數據增廣開源項目、論文等合集。主要涉及圖像、音頻、自然語言處理和時序的數據增廣。
  • 深度學習第33講:CNN圖像語義分割和實例分割綜述
    從本節開始,筆者將繼續花費幾講的時間來研讀關於語義分割和實例分割相關的經典網絡和論文,以期對深度學習計算機視覺的第三大任務,也是最難的任務——圖像分割有一個宏觀的把握和細節的了解。      總的而言,目前的分割任務主要有兩種: 語義分割和實例分割。那語義分割和實例分割具體都是什麼含義呢?二者又有什麼區別和聯繫呢?
  • 語義分割+視頻分割開原始碼集合
    來源:CSDN博客(http://blog.csdn.net/zhangjunhit/article/details/78190283)語義分割
  • ECCV 2020 論文大盤點-語義分割篇
    本文包含 43 篇語義分割(Semantic Segmentation)相關論文,其中 oral 2 篇,spotlight 4 篇。其中一半的論文開源或將開源。用正常圖像作為訓練樣本訓練得到的語義分割模型。作者認為將一幅圖像先經過語義分割,然後用分割圖重建原圖,如果得到的重建圖和原圖差異不大,則不存在缺陷和異常,反之則存在明顯的問題。作者為此任務設計了含語義分割模塊、圖像合成模塊、比較模塊的系統,實驗證明在幾個主流數據集上都取得了最好的效果。
  • 語義分割雙料冠軍!微軟 OCRNet化解語義分割上下文信息缺失難題|ECCV 2020
    針對語義分割中如何構建上下文信息,微軟亞洲研究院和中科院計算所的研究員們提出了一種新的物體上下文信息——在構建上下文信息時顯式地增強了來自於同一類物體的像素的貢獻,這種新的上下文信息從語義分割的定義出發,符合第一性原理思維,在2019年7月和2020年1月的 Cityscapes leaderboard 提交結果中都取得了語義分割任務第一名的成績。
  • 重新發現語義分割,一文簡述全卷積網絡
    全卷積網絡自 2012 年出現以來,在圖像分類和圖像檢測領域取得了巨大成功。本文利用筆記本電腦構建了一個小型全卷積網絡,詳細介紹了全卷積網絡的思路、過程等等,值得一看語義分割是一種學習如何識別圖像中對象範圍的機器學習技術。語義分割賦予機器學習系統與人類相似的理解圖像內容的能力。
  • 圖像語義分割
    圖像語義分割是計算機視覺中十分重要的領域。語義分割對圖像中的每一個像素點進行分類,確定每個點的類別(如屬於背景、邊緣或身體等)需要和實例分割區分開來。語義分割沒有分離同一類的實例;它關心的只是每個像素的類別,如果輸入對象中有兩個相同類別的對象,則分割本身不會將它們區分為單獨的對象。
  • 語義分割網絡經典:FCN與SegNet
    作者:石文華          編輯:田  旭           語義分割網絡經典
  • 圖像語義分割入門:FCN/U-Net網絡解析
    語義分割即是對圖像中每一個像素點進行分類,確定每個點的類別(如屬於背景、人或車等),從而進行區域劃分。目前,語義分割已經被廣泛應用於自動駕駛、無人機落點判定等場景中。與分類不同的是,語義分割需要判斷圖像每個像素點的類別,進行精確分割。圖像語義分割是像素級別的!
  • ECCV 2020 語義分割論文大盤點(38篇論文)
    語義分割弱監督語義分割域自適應語義分割Few-Shot 語義分割語義分割對抗攻擊RGB-D 語義分割其他語義分割Object-Contextual Representations for Semantic
  • 直播預告 | ICCV Oral:語義分割中的自注意力機制和低秩重建
    月25日)晚8:00點,「大講堂」第128講邀請到了北京大學計算機應用技術碩士李夏來分享,本場主題為「語義分割中的自注意力機制和低秩重建」上一期我們主要聚焦通用醫學影像三維預訓練模型「Models Genesis」,這次我們來講講語義分割,本次分享依舊對AI研習社成員免費開放。
  • 筆記 | 深入理解深度學習語義分割
    :最近自動駕駛項目需要學習一些語義分割的內容,所以看了看論文和視頻做了一個簡單的總結。筆記思路是:機器學習-->>深度學習-->>語義分割目錄:機器學習回顧深度學習回顧語義分割簡介語義分割代表算法一、回顧機器學習
  • 2019 語義分割指南
    圖源:http://www.cs.toronto.edu/~tingwuwang/semantic_segmentation.pdf我們來看看一些涵蓋最先進的構建語義分割模型方法的研究論文,即:Weakly- and Semi-Supervised Learning
  • 語義分割該如何走下去?
    首先感謝各位做語義分割的同學對ADE20K資料庫的厚愛,準確度節節攀升。https://groups.csail.mit.edu/vision/datasets/ADE20K/我還依稀記得當年我跟@趙行 兩人在Stata的黑屋子裡揣摩如何從所有1000多個標定出的物體列表中選取出做語義分割的物體。
  • ECCV 2020 | OCRNet化解語義分割上下文信息缺失難題
    針對語義分割中如何構建上下文信息,微軟亞洲研究院和中科院計算所的研究員們提出了一種新的物體上下文信息——在構建上下文信息時顯式地增強了來自於同一類物體的像素的貢獻,這種新的上下文信息從語義分割的定義出發,符合第一性原理思維,在2019年7月和2020年1月的 Cityscapes leaderboard 提交結果中都取得了語義分割任務第一名的成績。
  • 2020 CCF BDCI 遙感影像地塊分割冠軍競賽方案 & 語義分割trick整理
    來源丨https://zhuanlan.zhihu.com/p/346862877本文是作者參加CCF BDCI獲得冠軍的比賽經驗總結以及語義分割
  • 一文讀懂語義分割與實例分割
    圖像分割技術是目前預測圖像領域最熱門的一項技術,原因在於上述許多計算機視覺任務都需要對圖像進行智能分割,以充分理解圖像中的內容,使各個圖像部分之間的分析更加容易。本文會著重介紹語義分割和實例分割的應用以及原理。
  • 【NLP】博士筆記 | 深入理解深度學習語義分割
    :最近自動駕駛項目需要學習一些語義分割的內容,所以看了看論文和視頻做了一個簡單的總結。筆記思路是:機器學習-->>深度學習-->>語義分割目錄:機器學習回顧深度學習回顧語義分割簡介語義分割代表算法一、回顧機器學習