【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！
💡
原文中文，约2900字，阅读约需7分钟。
📝
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。
🎯
关键要点
- 计算机视觉技术的发展使图像分割在多个领域具有重要应用价值。
- 字节跳动发布了首个大规模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以推动相关研究。
- COCONut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。
- Pascal Panoptic Parts数据集由埃因霍温理工大学发布，包含part-aware Panoptic Segmentation任务的标注。
- PASCAL-5i数据集用于评估小样本图像分割，包含20个类别。
- SUN09数据集包含12,000张带标注的图像，涵盖200多个对象类别。
- PASCAL VOC 2011数据集包含训练集和测试集，提供超过5,000个精确分割的对象。
- PhraseCut数据集包含77,262张图像和345,486个短语-区域对。
- MPI3D数据集由100多万张物理3D物体图像组成，用于测试表征学习算法。
- 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。
- TrashCan数据集记录了水下垃圾的实例分割，包含7,212张标注图像。
- 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。
- Segment Anything Model (SAM)可以根据输入提示生成高质量的图像分割。
- HyperAI超神经致力于成为国内数据科学领域的基础设施，提供丰富的公共资源。
➡️
