语义分割常用数据集整理

本资源文件提供了语义分割领域常用的数据集整理，涵盖了2D图片、2.5D图片（RGB-D）和3D图片三类数据集。每个类别的数据集都提供了像素级的标签，可以用来评估模型性能，同时其中一部分工作用到了数据增强来增加标签样本的数量。

数据集分类

1. 2D数据

• PASCAL Visual Object Classes (VOC)：包含21个类及其标签，适用于分类、分割、目标检测等任务。
• PASCAL Context：VOC 2010的拓展，带有所有训练图像的像素级标签，包含超过400个类别。
• Microsoft Common Objects in Context (MS COCO)：大规模物体检测、分割及文字定位数据集，包含众多类别及大量标签。
• Cityscapes：关注于城市街景的语义理解，包含5k帧的高质量像素级标注和20k的弱标注帧。
• ADE20K/MIT Scene Parsing：为场景分割算法提供了标准的训练和评估平台，包含25000多张图片。
• SiftFlow：包含2688张用LabelMe标注的数据集，分辨率为256*256，包含8种不同的户外场景。
• Stanford background：包含715个图像，标签种类包括天空、树、道路、草、水、建筑物、山脉和前景物体。
• Berkeley Segmentation Dataset (BSD)：由彩色图和灰度图组成，共300张（现增加到500张），分为训练集和测试集。
• Youtube-Objects：数据集的图片像素为480*360，共计10167张图片。
• KITTI：主要用于机器人和自动驾驶，包含很多视频，由车辆传感器采集，可用于语义分割。

2. 2.5D数据

• NYU-D V2：包含1449有标签和补全深度的图片。
• SUN-3D：大规模的RGB-D视频数据集，包含41个不同建筑254个不同空间的415个序列。
• SUN RGB-D：由四个不同的传感器捕获，包含10,000张RGB-D图像，密集地注释，包括2D多边形和3D包围盒。
• UW RGB-D Object Dataset：包含使用Kinect 3D摄像机记录的300个常见家庭对象，组织成51个类别。
• ScanNet：RGB-D视频数据，包含1500多个室内场景，共21个类别的对象，其中1201个场景用于训练，312个场景用于测试。

3. 3D数据

• Stanford 2D-3D：包含2D、2.5D和3D数据集，并且都进行了实例级别的标注，包含6个室内区域场景，超过70000张RGB-D图像。
• ShapeNet Core：ShapeNet数据集的子集，包含55个常见物体类别，大约51300张3D图片。
• Sydney Urban Objects Dataset：包含现代街景，共有631张街景图片，包含车辆、行人、标语和树木。

使用说明

本资源文件提供了详细的语义分割数据集整理，适用于计算机视觉领域的研究人员和开发者。每个数据集都提供了像素级的标签，可以用于训练和评估语义分割模型。