GitHub:語義分割最全資料集錦

2021-02-15 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。本文將分享的內容是：人群計數（Crowd Counting）最新資料合集。
  • 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。
  • 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。
  • 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
  • 語義分割方向知乎、公眾號、博客有哪些大V值得關注?
    知乎作者：ycszen，作者主要是關注於圖像分割方向，而且對於圖像分割涉獵比較廣泛，包括了語義分割，視頻分割。作者有很多對於論文的簡評，可以從作者的簡評裡對論文有整體的把握和理解。公眾號推送的文章裡經常會有關於語義分割相關的內容，而且內容較為新穎，非常適合大家的拓展。
  • ECCV 2020 語義分割論文大盤點(37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
  • 語義分割最新指南2019版
    語義分割指的是將圖像中的每一個像素關聯到一個類別標籤上的過程，這些標籤可能包括一個人、一輛車、一朵花、一件家具等等。在這篇文章中，作者介紹了近來優秀的語義分割思想與解決方案，它可以稱得上是 2019 語義分割指南了。我們可以認為語義分割是像素級別的圖像分類。例如，在一幅有很多輛車的圖像中，分割模型將會把所有的物體（車）標記為車輛。
  • 語義分割-多層特徵融合
    作者：楊奎元-深動https://zhuanlan.zhihu.com/p/110667995本文已由原作者授權，不得擅自二次轉載語義分割由此，語義分割具有兩大需求，即高解析度和高層語義，而這兩個需求和卷積網絡設計是矛盾的。卷積網絡從輸入到輸出，會經過多個下採樣層（一般為5個，輸出原圖1/32的特徵圖），從而逐步擴大視野獲取高層語義特徵，高層語義特徵靠近輸出端但解析度低，高分率特徵靠近輸入端但語義層次低。
  • 利用DeepLab在Tensorflow中進行語義圖像分割
    我們高興地宣布將 Google 最新、性能最好的語義圖像分割模型 DeepLab-v3+ （在 Tensorflow 中實現）開源：https://github.com/tensorflow/models/tree/master/research/deeplab此次發布包括基於一個強大的卷積神經網絡 (CNN) 骨幹架構構建的 DeepLab-v3
  • 語義分割未來發展如何?
    既往的研究，能做的無非如下兩種選擇設計一個更有效的語義分割head；修改feature flow，現在多用NAS形式。其次是數據集的受限。語義分割所用的數據集需要大量標註的數據，這造成了如下兩個現象：少有的幾個數據集刷到接近天花板。數據量少，支撐不起 training from scratch。
  • NVIDIA:使用多尺度注意力進行語義分割,代碼已開源!
    有一項重要的技術，通常用於自動駕駛、醫學成像，甚至縮放虛擬背景：「語義分割。NVIDIA Research正在研究語義分割，因為它是一項廣泛適用的技術。我們還相信，改進語義分割的技術也可能有助於改進許多其他密集預測任務，如光流預測(預測物體的運動)，圖像超解析度，等等。
  • 三個優秀的語義分割框架 PyTorch實現
    【導語】本文基於動手深度學習項目講解了FCN進行自然圖像語義分割的流程，並對U-Net和Deeplab網絡進行了實驗，在Github和谷歌網盤上開源了代碼和預訓練模型，訓練和預測的腳本已經做好封裝，讀者可以自行下載使用。
  • 【圖解AI】什麼是語義分割、實例分割、全景分割
    3、語義分割（semantic segmentation）對圖像中的每個像素打上類別標籤，如下圖，把圖像分為人（紅色）、樹木（深綠）、草地（淺綠）、天空 4、實例分割（instance segmentation）目標檢測和語義分割的結合，在圖像中將目標檢測出來（目標檢測），然後對每個像素打上標籤（
  • 語義分割標註工具Semantic Segmentation Editor 快速安裝指南
    用於創建機器學習語義分割的訓練數據，為自動駕駛研究開發的，但也可以用於標註其他類型的語義目標資料庫。如果在安裝過程中仍然不能夠順利下載所需的安裝包，可以在公眾號後臺回復【分割標註】獲取下載連結，進行下載。
  • 語義分割江湖的那些事兒——從曠視說起
    分類針對整張圖片，檢測針對圖片的局部，語義分割則如圖1所示，旨在給輸入圖片上的每個像素賦予一個正確的語義標籤。圖 1：PASCAL VOC 2012 圖片示例傳統的分割算法我們先按下不表。時間撥回到 2015 年，語義分割江湖之中，FCN 橫空出世，自此 DL/NN 方法席捲了整個語義分割領域。
  • 重磅 | TensorFlow學習資料最全集錦
    link: https://github.com/amusi/TensorFlow-From-Zero-To-One為了方便起見，本文就不附上相應資料的連結，因為wechat不支持超連結，而且直接訪問github，更方便，本文只作為簡單介紹。Amusi喜歡逛知乎，覺得裡面的內容質量相對較高，有很多深度學習方向的大牛。
  • 微軟亞洲研究院提出OCRNet:化解語義分割上下文信息缺失難題 | ECCV 2020
    圖像分類、物體檢測和語義分割可以並列為傳統計算機視覺感知領域的3大基礎問題，它們也是各種複雜視覺任務的基礎。這些問題在日常生活中隨處可見，例如，短視頻軟體內提供的一鍵特效功能可以讓普通用戶也能輕鬆製作出大片效果，這背後的底層算法就可能涉及到了對人體的語義分割。此外，無人駕駛技術裡的底層視覺算法則通常會涉及到對街景的語義分割。
  • 資源 | 從人臉檢測到語義分割,OpenCV預訓練模型庫
    項目地址：https://github.com/opencv/open_model_zooopen_model_zoo 預訓練模型概覽：目標檢測模型有幾種檢測模型可以用於檢測一系列最常見的目標。大多數網絡都是基於 SSD 並提供了合理的準確率/速度權衡。
  • 深度卷積融合條件隨機場的遙感圖像語義分割
    圖像語義分割方法也隨之有了全新的發展,一系列語義分割方法相繼提出: Long等[10]提出了全卷積神經網絡(fully convolutional networks, FCN),用卷積層替換CNN網絡結構中的全連接層,實現了端到端的像素級分類; Sherrah等[11]採用無下採樣層的FCN模型版本對航空遙感圖像進行了語義標註; Badrinarayanan等[12]提出基於編碼-解碼結構的SegNet