tcd数字货币K商品（来自不同行业领域的50多个对象检测数据集）

计算机视觉是一个快速发展的领域，每天都有大量的新技术和算法出现在不同的会议和期刊上。说到目标检测，理论上你会学到很多算法，比如Faster-rcnn、Mask rcnn、Yolo、SSD、Retinenet、级联rcnn、Peleenet、EfficientDet、CornerNet…。这张算法清单是永远列不完的！

　　

通过将其应用到不同的数据集来巩固你的学习经验总是有益的！！！

　　

这样一来，比特币价格你往往会更好地理解算法，并且可以直观了解哪些算法可以在哪种数据集上运行。

　　

我们在Monk Computer Vision Org的开源团队编制了一个对象检测，图像分割和动作识别数据集的列表，并针对每个对象创建了简短的教程，供你使用这些数据集并尝试不同的对象检测算法

　　

下面提到的是对象检测数据集的简短列表，有关它们的简短详细信息以及使用它们的步骤。数据集来自以下领域：

　　

★农业 ★高级驾驶员辅助和自动驾驶汽车系统 ★时尚，零售和营销 ★野生动物 ★体育 ★卫星成像 ★医学成像 ★安全和监视 ★水下成像

　　

…。。 以及更多！！！！！

　　

完整列表可在github上找到相关的使用说明和训练代码

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/tree/master/application_model_zoo

与农业有关的数据集

A）Winegrape检测数据集

　　

• https！//github。com/thsant/wgisd

*目标：检测葡萄园中的葡萄簇

　　

*应用：监测生长并分析产量

　　

*详细信息：300幅图像，带有5个葡萄类别的4400个边界框

　　

*如何利用数据集并使用YoloV3管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Wine%20Grape%20Instance%20Detection%20Dataset。ipynb

B）全球小麦检测数据集

　　

• https！//www。kaggle。com/c/global-wheat-detection/data

*目标：检测田间的小麦作物

　　

*应用：监测生长并分析产量

　　

*详细信息：带有100K +批注的3430图像

　　

*如何利用数据集并使用EfficientDet-D4管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Global%20Wheat%20Detection%20Kaggle%20(Starter%20Code)%20。ipynb

先进的驾驶员辅助和自动驾驶汽车系统相关数据集

A）LISA交通标志检测数据集

　　

• http！//cvrr。ucsd。edu/LISA/lisa-traffic-sign-dataset。html

*目标：用于检测和分类行车记录仪图像中的交通标志

　　

*应用：交通标志识别是自动驾驶的规则设置程序

　　

*详细信息：在47种美国标志类型上的6610帧上有7855个注释

　　

*如何利用数据集并建立自定义使用EfficientDet-D3管线的探测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/example_zoo/Example%20-%20LISA%20Traffic%20Sign%20Recognition%20(Multi-GPU)。ipynb

*此存储库又多了一个数据集

　　

• LISA车辆检测数据 http！//cvrr。ucsd。edu/LISA/vehicledetection。html

B）低光照条件下的物体检测

　　

• https！//github。com/cs-chan/Exclusively-Dark-Image-Dataset

*目标：在低光照条件下检测道路上的物体——雾，雾霾，下雨等

　　

*应用：这是自动驾驶汽车中的重要组成部分，因为它能够检测物体，因此在不利条件下属于更安全的车辆

　　

*细节：在12种不同对象类型上的7500帧上的15K +注释

　　

*如何利用数据集和使用EfficientDet-D3管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/example_zoo/Example%20-%20Object%20Detection%20in%20low%20lighting%20conditions。ipynb

C）LARA交通灯检测数据集

　　

• http！//www。lara。prd。fr/benchmarks/trafficlightsrecognition

*目标：检测交通信号灯并将其分类为红色，绿色和黄色

　　

*应用程序：可以为道路网络交叉口的adas和自动驾驶汽车系统设置规则

　　

*详细信息：三种交通类型的11K帧和20K +注释灯光

　　

*如何利用数据集并建立使用Mmdet-Faster-Rcnn-fpn50管道自定义检测

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Lara%20Traffic%20Lights%20Detection%20Dataset。ipynb

D）使用红外图像进行人检测

　　

• https！//camel。ece。gatech。edu/

*目标：用于检测红外图像中的人

　　

*应用：自动驾驶汽车配备了红外摄像头以检测恶劣条件下的物体

　　

*详细信息：30个带有1K +注释的视频序列

　　

*如何利用数据集并使用Mx-Rcnn管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20person%20detection%20in%20infrared%20images。ipynb

E）坑洼检测数据集

　　

• https！//www。kaggle。com/chitholian/annotated-potholes-dataset

*目标：从道路图像中检测坑洼

　　

*应用：检测道路地形和坑洼可实现平稳行驶。

　　

*详细信息： 700个在坑洼处带有3K +注释的图像

　　

*如何利用数据集和使用M-Rcnn管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Pothole%20detection%20on%20roads。ipynb

F）Nexet车辆检测数据集

　　

• https！//www。kaggle。com/solesensei/nexet-original

*目标：检测车辆的道路图像

　　

*应用：检测车辆是自动驾驶的主要组成部分

　　

*详细信息：7000种图像，在6种类型的车辆上具有15K +注释

　　

*如何利用数据集并使用Tensorflow Object Detection构建自定义检测器API

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Nexet%20Dataset%20Vehicle%20Detection。ipynb

G）BDD100K Adas数据集

　　

• https！//www。kaggle。com/solesensei/solesensei_bdd100k

*目标：检测道路上的物体

　　

*应用：检测车辆，交通标志和人是自动驾驶的主要组成部分

　　

*详细信息：100K图像，对10种类型的对象提供250K +注释

　　

*如何利用数据集并建立自定义使用Tensorflow对象检测API的检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20BDD100K%20dataset%20with%20TensorRT%20optimization。ipynb

H）Linkopings交通标志数据集

　　

• http！//www。cvl。isy。liu。se/research/datasets/traffic-signs-dataset/

*目标：检测图像中的交通标志

　　

*应用：检测交通标志是了解交通规则的第一步

　　

*详细信息：3K图像，对40多种类型的交通标志提供5K +注释

　　

**如何利用数据集并使用Mmdet-Cascade Mask-Rcnn构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Linkopings%20Traffic%20Sign%20Dataset。ipynb

时尚、零售和营销相关数据集

A）广告牌检测（二次采样OpenImages数据集）数据集

　　

• https！//storage。googleapis。com/openimages/web/index。html

*目标：检测图像中的广告牌

　　

*应用程序：检测广告牌是自动分析整个城市营销活动的关键部分

　　

*详细信息：2K图像，广告牌上带有5K +注释

　　

*如何利用数据集并使用Retinanet构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Billboard%20(Hoarding%20detection)。ipynb

B）DeepFashion2时尚元素检测数据集

　　

• https！//github。com/switchablenorms/DeepFashion2

*目标：检测图像中的时尚产品，服装和配饰

　　

*应用程序：应用程序时尚检测有着从数据排序到推荐引擎的巨大应用

　　

*详细信息：490K图像，带有约100个注释对象类

　　

*如何利用数据集并建立自定义CornetNet-Lite管道检测仪

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Fashion%20detector%20on%20DeepFashion2%20Dataset。ipynb

*另一个与时尚相关的数据集是淘宝商品数据集

　　

• http！//www。sysu-hcp。net/taobao-commodity-dataset/

C）Qmul-OpenLogo徽标检测数据集

　　

• https！//qmul-openlogo。github。io/

*目标：检测自然图像中的不同徽标

　　

*应用：分析视频和自然场景中徽标出现的频率对营销至关重要

　　

*详细信息：16K训练图片，包括各种品牌的标识——食品、车辆、连锁餐厅、送货服务、航空公司等

　　

*如何利用数据集并使用mx-rcnn管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20logo%20detection。ipynb

与体育相关的数据集

A）足球检测数据集（从OpenImages数据集进行二次采样）

　　

• https！//storage。googleapis。com/openimages/web/index。html

*目标：在视频中跨帧检测足球

　　

*应用：检测足球位置在越位等自动分析情况中至关重要

　　

*详细信息：约3K训练图像。

　　

*如何利用数据集并使用yolo-v3管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20FootBall%20detection。ipynb

B）扑克牌类型检测

　　

• https！//www。kaggle。com/luantm/playing-card

*目标：检测自然图像中的纸牌并分类纸牌类型

　　

*应用：可能的应用是分析不同纸牌游戏的获胜几率

　　

*详细信息：52种纸牌类型中500张以上的图像

　　

*如何利用数据集并建立自定义使用mx-rcnn管道的检测器

　　

• https！//www。kaggle。com/luantm/playing-card

C）热图像中的足球运动员检测

　　

• https！//www。kaggle。com/aalborguniversity/thermal-soccer-dataset

*目标：使用热图像定位和跟踪玩家

　　

*应用：跟踪游戏中的玩家是生成分析的关键部分

　　

*详细信息：超过5K +注释的3K +图像。

　　

*如何利用数据集和使用mmdet quick-rcnn管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Thermal%20Soccer%20-%20(Player%20Detection)。ipynb

与安全和监视相关的数据集

A）CCTV交通摄像头中的MIO-TCD车辆检测

　　

*目标：检测闭路电视摄像机中的车辆

　　

*应用：检测闭路电视摄像机中的车辆是安全监控应用中的关键部分

　　

*详细信息：113K图像，在5种以上类型的车辆上具有200K +注释

　　

*如何利用数据集并使用Mmdet-Retinanet管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20MIO-TCD%20Vehicle%20Localization%20Dataset。ipynb

B）WIDER人员检测数据集

　　

• https！//wider-challenge。org/2019。html

*目标：在闭路电视和自然场景图像和视频中检测人员

　　

*应用：基于CCTV的人员检测构成安全和监视应用程序的核心

　　

*详细信息：10K +图像以及20K +注释可检测行人

　　

*如何利用数据集并建立自定义使用Cornernet-Lite管道的探测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Fashion%20detector%20on%20DeepFashion2%20Dataset。ipynb

C）防护装备-头盔和背心检测

　　

• https！//github。com/ciber-lab/pictor-ppe

*目标：检测人员的头盔和背心

　　

*应用：这是安全合规性监视中不可或缺的一部分

　　

*详细信息：1。5K +图像以及2K +注释可检测人员，头盔和背心

　　

*如何利用数据集和构建自定义检测器使用Mmdet — Cascade RPN

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Protective%20gear%20-%20helmet%20and%20vest%20detection。ipynb

D）视频中的异常检测

　　

• https！//www。crcv。ucf。edu/projects/real-world/

*目标：根据视频中执行的操作对视频进行分类

　　

*应用：实时检测异常有助于阻止犯罪

　　

*详细信息：对应于10个异常类别的1K +视频。

　　

*如何利用数据集和使用mmaction-tsn50管道构建自定义分类器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20UCF101%20Action%20Recognition。ipynb

医学影像数据集

A）超声臂丛神经（BP）神经分割数据集

　　

• https！//www。kaggle。com/c/ultrasound-nerve-segmentation/data

*目标：在超声图像中分割某些神经类型

　　

*应用：通过使用可阻塞或减轻源头疼痛的留置导管，有助于改善疼痛管理。

　　

*详细信息： 11K +图像以及相关的实例蒙版，用于检测神经

　　

*如何利用数据集并构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Ultrasound%20nerve%20segmentation。ipynb

B）细胞中的PanNuke癌症实例分割

　　

• https！//www。kaggle。com/andrewmvd/cancer-inst-segmentation-and-classification

*目标：在幻灯片图像中分割不同的细胞类型

　　

*应用程序：自动分析兆字节数据中癌细胞和死细胞的存在

　　

*详细信息：3K+图像，带有用于检测不同单元类型的关联实例掩码

　　

*如何利用数据集和构建定制检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20PanNuke%20Dataset%20CellType%20Instance%20Segmentation。ipynb

卫星成像数据集

A）卫星图像中的道路分割

　　

• https！//www。kaggle。com/insaff/massachusetts-roads-dataset

*目标：在卫星图像中分割道路线

　　

*应用：帮助城市规划和道路监控

　　

*详细信息：1K +图像和相关实例遮罩可检测不同的道路区域

　　

*如何利用数据集并构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Road%20segmentation%20on%20Satellite%20Imageset。ipynb

B）在合成生成的月球图像中的可穿越区域分割

　　

　　

• https！//www。kaggle。com/romainpessia/artificial-lunar-rocky-landscape-dataset

*目标：分割岩石并在月球影像中找到可穿越的区域

　　

*应用：自主漫游车路径规划中的基本元素

　　

*详细信息：带有相关实例蒙版的10K +图像以检测不同的岩石和平坦的地面

　　

*如何利用数据集并构建定制检测器

　　

C）卫星影像中的汽车和游泳池检测

　　

• https！//www。kaggle。com/kbhartiya83/swimming-pool-and-car-detection

*目标：在卫星图像中检测车辆和游泳池

　　

*应用：这是财产税估算中的关键部分

　　

*详细信息：3。5K+图片，汽车和游泳池上有5K+注释标签

　　

*如何利用数据集并使用cornernet lite管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Car%20and%20Pool%20Detection。ipynb

D）航空影像中的道路和居民区分割

　　

• https！//www。kaggle。com/cceekkigg/berlin-aoi-dataset

*目标：在卫星图像中分割道路和居民区

　　

*应用：这是财产税估算中的关键部分

　　

*详细信息：带有分割蒙版的100幅超高分辨率图像

　　

*如何利用数据集和构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20CitySeg%20Dataset%20Road%20and%20Houses%20Segmentation。ipynb

*另一个类似的道路分割数据集和相关的训练代码

　　

• 数据集：https！//www。kaggle。com/srikaranand/road-segmentation-dataset
• 训练代码：https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Road%20Segmentation%20in%20Satellite%20Images%20-%202。ipynb

E）卫星图像中的水体分割

　　

• https！//www。kaggle。com/franciscoescobar/satellite-images-of-water-bodies

*目标：在卫星图像中分割水体

　　

*应用：了解水体如何随时间变化和演变非常重要

　　

-带有分割蒙版的100幅超高分辨率图像

　　

*如何利用数据集并构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Water%20Body%20Segmentation。ipynb

*另一个此类数据集是DeepGlobe土地覆盖分类及其相关的使用准则

　　

• 数据集：https！//competitions。codalab。org/competitions/18468#participate-get_starting_kit
• 相关使用准则：https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20DeepGlobe%20Land%20Cover%20Classification。ipynb

野生动物相关数据集

A）老虎检测数据集（从OpenImages采样）

　　

• https！//storage。googleapis。com/openimages/web/index。html

*目标：检测自然和无人机图像中的老虎

　　

*应用：监视濒临灭绝的物种

　　

*详细信息：带有4k +注释的2K +图像。

　　

*如何利用数据集和使用Cornernet-lite管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Tiger%20detection%20using%20Cornernet-Saccade%20(No%20Val%20Dataset)。ipynb

*另外一个这样的数据集可以是猴子检测数据集及其相关的教程

　　

• 猴子检测数据集：https！//storage。googleapis。com/openimages/web/index。html
• 相关的教程：https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Monkey%20detection%20in%20the%20wild。ipynb

B）斑马和长颈鹿检测数据集

　　

• https！//lev。cs。rpi。edu/public/datasets/wild。tar。gz

*目标：检测自然和无人机图像中的斑马和长颈鹿物种

　　

*应用：监视濒危物种

　　

*详细信息：带有5k +注释的5K +图像。

　　

*如何使用数据集并使用efficiencydet-d3管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Wildlife%20Localization%20-%20(Giraffes%2C%20Zebras%2C%20Impalas)。ipynb

C）加州理工学院相机陷阱数据集

　　

• https！//beerys。github。io/CaltechCameraTraps/

*目标：检测陷阱照相机类型图像中的动物

　　

*应用：监视濒临灭绝的物种

　　

*详细信息：带有8k +注释的10K +图像。

　　

*如何利用数据集并使用Retinanet管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Caltech%20cameratrap%20ECCV%20animal%20detection。ipynb

*另外一个这样的相机数据集和相关的训练代码

　　

• 数据集：https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Cameratrap%20Animals%20Detection%20-%201。ipynb
• 训练代码：https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Cameratrap%20Animals%20Detection%20-%201。ipynb

D）大象检测数据集（从COCO数据集中采样）

　　

• https！//cocodataset。org/#download

*目标：检测自然和无人机图像中的大象种类

　　

*应用：监视濒临灭绝的物种

　　

*详细信息：带有5k +注释的5K +图像。

　　

*如何利用数据集并使用mmdet-maskrcnn构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Elephant%20segmentation%20in%20the%20wild。ipynb

水下数据集

A）在野外发现海龟

　　

• https！//lev。cs。rpi。edu/public/datasets/wild。tar。gz

*目标：检测水下图像中的海龟

　　

*应用：监视濒危物种

　　

*详细信息：带有5k +注释的5K +图像。

　　

*如何利用数据集并使用有效数据量构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Wildlife%20Localization%20-%20(Extended%20version%20with%20sea%20turtles)。ipynb

*类似的数据集，可监控水下鱼类

　　

• http！//groups。inf。ed。ac。uk/f4k/GROUNDTRUTH/RECOG/

相关代码

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Underwater%20Fish%20Segmentation。ipynb

B）水下垃圾检测数据集

　　

• https！//conservancy。umn。edu/handle/11299/214366

*目标：检测海洋垃圾

　　

*应用：监视和控制海洋垃圾问题

　　

*详细信息：带有5k +注释的2K +图像。

　　

*如何利用数据集并使用有效数据量构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Underwater%20Trash%20Detection。ipynb

*更复杂的基于像素的垃圾分类数据集和相关代码

　　

• 垃圾分类数据集：https！//conservancy。umn。edu/handle/11299/214865
• 相关代码：https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20SUIM%20Dataset%20Underwater%20Object%20Segmentation。ipynb

C）SUIM水下物体检测数据集

　　

• http！//irvlab。cs。umn。edu/resources/suim-dataset

*目标：分割水下物体

　　

*应用：自主水下航行器的路径规划，跟踪潜水员和监视海洋物种

　　

*详细信息：1。5K +图像和1。5k +注释蒙版。

　　

*如何利用数据集并构建自定义检测器

　　

• http！//irvlab。cs。umn。edu/resources/suim-dataset

D）咸淡的水下鱼类识别数据集

　　

• https！//www。kaggle。com/aalborguniversity/brackish-dataset/data

*目标：检测水下图像中的海洋物种。

　　

*应用程序：监视海洋物种

　　

*详细信息：89个视频以检测鱼类，螃蟹，虾，水母，海星

　　

*如何利用数据集并使用mmdet构建自定义检测器——Faster-rcnn管道

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Brackish%20Water%20Creatures%20Identification。ipynb

文本分析相关的数据集

A）文档布局检测数据集

　　

• https！//www。primaresearch。org/datasets/Layout_Analysis

*目标：检测文档布局以进行进一步分析

　　

*应用：必不可少的将图像分割成不同的部分，以便可以进一步应用基于规则的NLP和文本识别的功能。

　　

*详细信息：5K +图像，带有10k +批注的标签，如段落，图像，标题。

　　

*如何利用数据集并使用mx-rcnn构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Document%20Layout%20Analysis%20(FasterRCNN)。ipynb

*在名为IIIT-AR-13K的文档中存在用于图形组件检测的非常相似的数据集，这是如何利用数据集并在其上训练模型的方法

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Graphical%20figures%20detection%20in%20documents。ipynb

B）总文字数据集

　　

• https！//github。com/cs-chan/Total-Text-Dataset

*目标：在自然场景中定位文本

　　

*应用程序：使用OCR识别的基本组件

　　

*详细信息：带有5K +多边形注释的1。5K +图像

　　

*如何利用数据集和使用Text-Snake管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Text%20Localization%20over%20Total-Text%20Dataset。ipynb

C）YY-Mnist简单OCR数据集

　　

*目标：在白色背景图像中定位数字并将其分类

　　

*应用程序：使用OCR识别的基本组件

　　

*详细信息：超过10类的具有2K +批注的1K图像

　　

*如何利用数据集并使用Retinanet管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20OCR%20over%20YYMnist%20Dataset。ipynb

其他数据集

A）TACO垃圾检测数据集

　　

• http！//tacodataset。org/

*目标–定位和分割图像中的各种垃圾

　　

*应用程序：试图解决公共场所垃圾问题的自动机器人的关键组件

　　

*详细信息：包含20种以上不同类别垃圾对象的15K +注释的10K图像

　　

*如何利用数据集并使用Retinanet管道构建自定义检测器

　　

• https！//github。com/Tessellate-Imaging/Monk_Object_Detection/blob/master/application_model_zoo/Example%20-%20Trash%20(Waste)%20Detection。ipynb

B）室内场景通用物体检测数据集

　　

• https！//storage。googleapis。com/openimages/web/index。html

*目标：定位和检测图像中的室内对象

　　

*应用程序：在带有便利设施的房地产和租赁网站中为图像自动标记

　　

*详细信息：超过10种不同类别的室内对象（例如电器，床，窗。