Unternehmenstaugliche Datensätze für Umweltszenen für die KI/ML-Entwicklung

Beschreibung: Der „CCTV Traffic Scene Semantic Segmentation Dataset“ bietet eine einzigartige Perspektive für die Entwicklung autonomen Fahrens und erfasst die Feinheiten von Verkehrsszenen aus einer stationären Perspektive. Dieser Datensatz verwendet hochauflösendes CCTV-Filmmaterial von Straßenüberwachungskameras mit Auflösungen von über 1600 x 1200 Pixeln und einer Bildrate von über 7 fps und bietet eine detaillierte Instanzsegmentierung verschiedener Elemente im Verkehr, darunter Menschen, Tiere, Fahrräder, Autos und Straßensperren. Er umfasst auch eine Reihe von Wetterbedingungen und bietet einen robusten Datensatz für das Training von KI-Systemen, um verschiedene Verkehrsszenarien aus einer festen Perspektive zu verstehen und zu interpretieren.

Beschreibung: Der „City Sky Contour Segmentation Dataset“ ist für den Bereich der visuellen Unterhaltung konzipiert und enthält eine Sammlung im Internet gesammelter Bilder mit einer hohen Auflösung von 3000 x 4000 Pixeln. Dieser Datensatz ist der Kontursegmentierung gewidmet und konzentriert sich auf die Erfassung des Himmels in städtischen Umgebungen mit Elementen wie Gebäuden und Pflanzen, um einen detaillierten Hintergrund für die Erstellung verschiedener visueller Inhalte zu bieten.

Beschreibung: Der „Dashcam Traffic Scenes Semantic Segmentation Dataset“ ist unverzichtbar, um die Grenzen autonomer Fahrtechnologien zu erweitern. Dieser Datensatz enthält Fahraufzeichnungsbilder mit einer Auflösung von etwa 1280 x 720 Pixeln, die semantisch segmentiert sind, um verschiedene Elemente städtischer und vorstädtischer Verkehrsumgebungen widerzuspiegeln. Er kategorisiert umfassend 24 verschiedene Objekte und Szenarien, darunter Himmel, Menschen, Kraftfahrzeuge, nicht motorisierte Fahrzeuge, Autobahnen, Fußgängerwege, Zebrastreifen, Bäume, Gebäude und mehr. Diese detaillierte semantische Segmentierung ermöglicht es autonomen Fahrsystemen, die Komplexität der Straße besser zu verstehen und zu interpretieren, was die Navigation und Sicherheitsprotokolle verbessert.

Beschreibung: Der „Drivable Area Segmentation Dataset“ wurde sorgfältig entwickelt, um die Fähigkeiten der KI bei der Navigation autonomer Fahrzeuge durch unterschiedliche Fahrumgebungen zu verbessern. Er bietet eine breite Palette hochauflösender Bilder mit Auflösungen von 1600 x 1200 bis 2592 x 1944 Pixeln und erfasst verschiedene Straßenbeläge wie Bitumen, Beton, Kies, Erde, Schnee und Eis. Dieser Datensatz ist von entscheidender Bedeutung für das Training von KI-Modellen zur Unterscheidung zwischen befahrbaren und nicht befahrbaren Bereichen, einem grundlegenden Aspekt des autonomen Fahrens. Durch die Bereitstellung einer detaillierten semantischen und binären Segmentierung soll die Sicherheit und Effizienz autonomer Fahrzeuge verbessert und sichergestellt werden, dass sie sich an unterschiedliche Straßenbedingungen und Umgebungen in realen Szenarien anpassen können.

Beschreibung: Sammeln Sie Bilder (1 Registrierungsfoto, 20 historische Fotos pro Identität) und Videos (1 Indoor, 1 Outdoor) von einzigartigen Identitäten

Beschreibung: Der „Indoor Objects Segmentation Dataset“ dient den Bereichen Werbung, Gaming und visuelle Unterhaltung und bietet hochauflösende Bilder im Bereich von 1024 × 1024 bis 3024 × 4032. Dieser Datensatz umfasst über 50 Arten gängiger Innenraumobjekte und Architekturelemente wie Möbel und Raumstrukturen, die beispielsweise mit Anmerkungen, semantischer und Kontursegmentierung versehen sind.

Beschreibung: Bilder von CCTV-Kameras. Die Auflösung liegt über 1920 x 1080 und die Anzahl der Bilder pro Sekunde des Videos liegt bei über 30.

Beschreibung: Bilder von Landmarken im Kontext ihrer Umgebung

Aufnahmegerät: Mobile Kamera

Aufnahmebedingung: - Tageslicht - Nacht - Bewölkt/Regen

Beschreibung: Der „Lane Line Segmentation Dataset“ soll die Weiterentwicklung autonomer Fahrtechnologien beschleunigen und konzentriert sich dabei insbesondere auf die Fahrspurerkennung und -segmentierung. Er enthält eine große Anzahl von Bildern von Fahraufzeichnungsgeräten, die in 35 verschiedene Kategorien unterteilt sind, um ein umfassendes Spektrum an Straßenmarkierungen wie verschiedene durchgezogene und gestrichelte Linien in Weiß und Gelb abzudecken. Dieser Datensatz zielt darauf ab, die Präzision der KI bei der Erkennung von Fahrspurbegrenzungen zu verbessern, was für die sichere Navigation autonomer Fahrzeuge von entscheidender Bedeutung ist.

Beschreibung: Der „Lane Merging and Fork Area Segmentation Dataset“ befasst sich speziell mit den Komplexitäten von Spurverschmelzungen und -verzweigungen, kritischen Szenarien beim autonomen Fahren. Dieser Datensatz, der aus Fahraufzeichnungsbildern besteht, ist für die binäre Segmentierung annotiert und konzentriert sich auf Bereiche, in denen Spuren zusammenlaufen oder sich verzweigen. Er enthält detaillierte Beschriftungen für Spurverschmelzungsbereiche, Spurverzweigungsbereiche (markiert durch dreieckige umgekehrte Linien) und potenzielle Hindernisse wie Fahrzeuge, Bäume, Verkehrsschilder und Fußgänger. Dieser Datensatz ist ein wichtiges Werkzeug zum Trainieren von KI-Modellen, um diese herausfordernden Straßensituationen zu meistern und so ein reibungsloseres und sichereres autonomes Fahrerlebnis zu gewährleisten.