Advertisement

图像分割数据集在深度学习中的应用：包含训练与测试集的二值分割遥感公路图像数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：ZIP

简介：
本数据集专注于深度学习技术中图像分割的应用，特别为遥感公路图像设计了包含训练和测试集的二值分割任务，旨在提升道路识别精度。 项目包含：二值分割遥感公路图像分割数据集（已划分训练集和测试集）。 该数据集基于卫星影像中的道路进行标注，前景目标丰富且标注效果良好，适用于分割网络的实战应用。 数据集总大小为237MB。它分为两个部分： - 训练集：包含1340张图片及其对应的1340个mask图像； - 测试集：包括334张图片和相应的334个mask图像。 此外，项目中还提供了一个用于展示分割结果的可视化脚本，能够随机选取一张图片，并将其原始图、GT（Ground Truth）图及在原图上的蒙板显示出来并保存至当前目录。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 图像分割数据集在深度学习中的应用：包含训练与测试集的二值分割遥感公路图像数据集
    优质
    本数据集专注于深度学习技术中图像分割的应用，特别为遥感公路图像设计了包含训练和测试集的二值分割任务，旨在提升道路识别精度。 项目包含：二值分割遥感公路图像分割数据集（已划分训练集和测试集）。 该数据集基于卫星影像中的道路进行标注，前景目标丰富且标注效果良好，适用于分割网络的实战应用。 数据集总大小为237MB。它分为两个部分： - 训练集：包含1340张图片及其对应的1340个mask图像； - 测试集：包括334张图片和相应的334个mask图像。 此外，项目中还提供了一个用于展示分割结果的可视化脚本，能够随机选取一张图片，并将其原始图、GT（Ground Truth）图及在原图上的蒙板显示出来并保存至当前目录。
     
  • 大型遥感道路图像的深度学习分割数据集（训练部分）
    优质
    本数据集为大型遥感图像中的道路识别任务设计，专门用于深度学习模型的道路分割训练。包含丰富多样的遥感影像样本，旨在提升算法在复杂场景下的道路自动检测能力。 项目包含一个大型遥感道路图像分割数据集（训练集），文件以文件夹格式储存，可以直接用作图像分割数据集，无需额外处理。该数据集由大量卫星遥感图片组成，前景区域丰富且标注效果极佳，适合用于训练分割网络。由于数据量较大，在这里分两次上传。整个数据集的总大小为818MB，其中包含90,000张图像和相应的90,000个掩模（mask）文件。 此外，项目还提供了一个图像分割可视化脚本，该脚本能随机选择一张图片，并展示其原始图、GT图像以及GT在原图上的蒙板效果。最后将这些信息保存至当前目录中。
     
  • 图像分割数据集在深度学习中的应用：针对遥感图像的港口与船舶划分（已分好训练集和测试集）
    优质
    本研究探讨了基于深度学习技术的图像分割方法，专注于构建并利用特定于遥感图像的数据集来精确识别和区分港口及船舶区域。通过有效分离训练数据与测试数据，我们能够评估模型在不同情境下的性能，从而提升其泛化能力。 项目包含遥感图像下的港口与船只分割数据集（已划分训练集和测试集），文件以文件夹形式存储，可以直接使用作为图像分割的数据集，无需额外处理。该数据集中包括用于检测港口和船只的图像，总大小为63MB。 **数据介绍：** - 数据分为训练集、测试集。 - 训练集包含： - images图片目录 - masks模板目录（共356张图片及其对应的356个mask图片） - 测试集包含： - images图片目录 - masks模板目录（共88张图片及其对应的88个mask图片） 此外，该项目还提供了一个图像分割的可视化脚本。该脚本能随机选取一张图，并展示其原始图像、GT图像以及在原图上的蒙板GT图像，并将结果保存到当前目录下。
     
  • 遥感卫星图像中的水体与湖泊分割数据集（含训练集及测试集）
    优质
    本数据集包含用于遥感卫星图像中水体和湖泊分割的训练与测试样本，旨在提升自动化识别精度。 项目包括遥感卫星下的水体分割任务（二分类问题），包含训练集和测试集。 数据集用于遥感背景下的水体分割，去除了没有前景的数据点，确保了丰富的前景区域，并且标注效果极佳。 数据集总大小为162 MB。 - 数据集分为训练集与测试集两部分： - 训练集：包含images图片目录和masks模板目录，共计有2555张原始图片及对应的2555个mask图片； - 测试集：同样包括images图片目录和masks模板目录，共有638张原始图片以及638个相应的mask图片。 此外还提供了一个图像分割的可视化脚本。该脚本能随机选取一张测试集中的图片，并展示其原始图、GT（Ground Truth）图及在原图上的GT蒙板效果，并将结果保存到当前目录下。
     
  • 肺部医学图像分割数据集（含训练与测试部分）
    优质
    本数据集专为肺部医学影像分割设计，包含详细的训练及测试样本，旨在推动相关领域的研究进展。 项目包含肺分割数据（包括训练集和测试集）。 数据集为256*256分辨率下的肺部分割图。分割的前景包括左肺、右肺等，标签的mask图像中前景区域被标记为255以便于观察。 该数据集分为训练集与测试集： - 训练集中包含6849张图片及其对应的6849个掩码（masks）。 - 测试集中则有1712张图片和相应的1712个掩码图像。 此外，项目还提供了一个用于可视化分割结果的脚本。该脚本能随机选取一张图，并展示其原始图像、GT图像以及在原图上的GT蒙板效果，并将生成的结果保存至当前目录下。
     
  • 基于深度学习的图像分割在道路裂缝数据集中的应用
    优质
    本研究运用深度学习技术对道路裂缝进行图像分割分析，旨在提高裂缝检测精度与效率，为道路维护提供科学依据。 我有一份包含两万张道路裂缝图像的数据集，并使用Labelme工具对其中的250张进行了标注，生成了对应的json文件，可以直接用labelme打开。此外，我还编写了一个python程序来批量将这250张已标注好的图片转换成mask图像，这些数据可以用于进行图像分割任务。如果有需要查看该批量化处理json文件以生成mask图像的代码，请联系我获取相关资源。
     
  • 烟叶数据集的深度学习应用（目标检测与图像分割）
    优质
    本研究探讨了深度学习技术在烟叶图像处理中的应用，重点在于目标检测和图像分割，旨在提高烟草作物的质量评估和病害识别效率。 深度学习烟叶检测/分割数据集包含五百六十张不同场景下的烟草叶片图像数据，可用于人工智能（深度学习）的学习和研究。
     
  • 遥感地物语义分割数据集（TIF格式），含1500幅图像，分为训练集、测试集和验证集
    优质
    本数据集提供1500幅TIF格式遥感影像，涵盖丰富地物场景，精心划分成训练、测试及验证三个子集，旨在促进语义分割算法的开发与优化。 遥感地物语义分割数据集包含1500张tif格式的遥感图像，分为训练集、测试集和验证集。
     
  • 腹部胰腺图像分割的医学数据集（含训练与测试集及标签）
    优质
    本数据集包含用于腹部胰腺图像分割的高质量医学影像及其标注信息，内部分为训练和测试两大部分，旨在促进相关领域研究与应用的发展。 医学图像分割数据集：腹部胰腺图像分割数据集（包含训练集和测试集、标签） 【2类别的分割，背景、胰腺】 数据集介绍： 该数据集分为训练集和测试集。 训练集包括images图片目录和masks模板目录，共有约370张图片及其对应的mask图片。 测试集同样由images图片目录和masks模板目录组成，包含大约90张图片及相应的mask图像。 此外，还提供了一个用于图像分割的可视化脚本。该脚本能随机选取一张图，并展示其原始图像、GT（Ground Truth）图像以及在原图上的GT蒙版效果，并将结果保存至当前文件夹中。 医学图像分割网络介绍： 相关文章对医学图像分割网络进行了详细的说明，包括模型的设计思路和实现方法等细节。
     
  • 胰腺病变医学图像分割数据集（含训练与测试集及标签）
    优质
    本数据集包含大量用于研究和开发的胰腺病变医学图像，附有详细的标注信息，分为训练集和测试集，旨在促进相关疾病的自动诊断技术进步。 医学图像分割数据集：胰腺病变图像分割数据集（包含训练集和测试集、标签） 【2类别的分割，背景、病变区域】 数据集介绍： 该数据集分为训练集和测试集。 - 训练集包括images图片目录和masks模板目录，约有210张图片及其对应的mask图片； - 测试集中同样包含images图片目录和masks模板目录，大约50张左右的图像及其对应标签。 此外，还提供了一个用于图像分割任务的可视化脚本。该脚本能随机选取一张图，并展示其原始图像、GT（Ground Truth）图像以及在原图上的GT蒙板效果，最后将这些结果保存到当前文件夹中。