【持续更新中，图像分割数据集】字节发布 COCONut 入选 CVPR 2024，立即体验 Segment Anything 分割万物！｜持续更新中！
内容提要
随着计算机视觉技术的发展，图像分割在各个领域有重要应用。字节跳动发布了全景图像分割数据集「COCONut」，HyperAI超神经汇总了10个优质的图像分割数据集。
延伸解读
COCONut 的规模与标注特点
COCONut 是字节跳动发布的首个大规模人工标注全景图像分割数据集，包含约 383K 图像和 518 万个全景分割掩码，成果入选 CVPR 2024。与许多自动生成或半自动标注的数据集不同，其掩码经过人工标注，质量更有保障，适合需要精细全景分割标签的研究。
数据集覆盖的任务多样性
文章汇总的 10 个数据集覆盖了全景分割、小样本分割、实例分割、基于语言的分割等多种任务。例如 PASCAL-5i 和 FSS-1000 专注于小样本场景，PhraseCut 结合语言短语，CryoNuSeg 面向医学细胞核分割。读者可根据具体任务选择合适的数据集，而非仅关注规模。
小样本与跨领域数据集的实用价值
PASCAL-5i 和 FSS-1000 均用于评估小样本图像分割，后者仅用 5 张标注图像训练模型，且包含大量此前未标注的物体类别。这类数据集有助于测试模型在数据稀缺或新类别上的泛化能力，对于实际应用中标注成本高的场景具有参考意义。
SAM 教程与零样本分割
Segment Anything Model (SAM) 可根据点或框等提示生成高质量分割掩码，在包含 1100 万张图像和 11 亿个掩码的数据集上训练，具备强大的零样本性能。文章提供了在线运行教程，读者可亲身体验分割万物的效果，但需注意其性能可能因具体图像和提示方式而异。
Q&A
COCONut数据集的主要特点是什么？
COCONut数据集是字节跳动发布的首个大规模全景图像分割数据集，包含约383K图像和518万个经过人工标注的全景分割掩码。
HyperAI超神经汇总了哪些图像分割数据集？
HyperAI超神经汇总了10个优质的图像分割数据集，包括COCONut、Pascal Panoptic Parts、PASCAL-5i等。
Segment Anything Model (SAM)的功能是什么？
Segment Anything Model (SAM)可以根据输入提示生成高质量的图像分割，为图像中的所有对象生成对应的蒙版。
PASCAL VOC 2011数据集包含多少个目标对象？
PASCAL VOC 2011数据集包含超过5,000个精确分割的目标对象。
CryoNuSeg数据集的应用领域是什么？
CryoNuSeg数据集用于冰冻切片组织图像的核实例分割，包含来自10个人体器官的图像。
FSS-1000数据集的特点是什么？
FSS-1000数据集探究通过5张人工标注的图像训练模型完成图像识别任务，包含1,000个类。
