玉米芯实例分割数据集

数据集下载链接：http://i71i.com/dfpg

简介

CornHub 是针对真实田间条件下玉米芯的实例分割数据集，包含 304 张高分辨率 RGB 图像，按分辨率分为三种变体：满员版（2432×2432 像素）、LITE 版（1024×1024 像素）、ULTRALITE 版（512×512 像素）；图像在不同拍摄距离（近景、广角）、光照条件（晴天、阴天）和视点下采集，每个玉米芯均标注为独立灰度遮罩（单通道），标签规则为 0 表示背景，1、2、3…… 依次对应单个玉米芯实例，标注精准区分不同玉米芯个体。

文件类型

• 图像文件：304 张 RGB 格式的玉米芯田间图像，按三种分辨率变体分类存储，文件格式为 PNG。
• 掩码文件：与图像一一对应的单通道灰度遮罩文件，格式为 PNG，用于标注每个玉米芯实例及背景区域。

适用方向

适用于农业领域的实例分割模型训练与评估，可支持田间机器人视觉感知技术研发；助力计算机视觉研究中针对农作物（玉米芯）的实例分割算法优化，为玉米芯识别、计数、生长状态监测等农业智能化应用提供数据支持。

云/天空分割

数据集下载链接：http://i71i.com/dfp4

简介

该数据集专为人工智能研究提供支持，包含 500 多张带标签的天空和云朵相关图像，由 Acme AI 在孟加拉国夏季（热带与温带区交界处）收集，涵盖低云、中云、高云场景；图像按实例分割原则标注，包含 4 个标准类别（天空、云、太阳、鸟类），标注工具采用 SuperAnnotate 的像素编辑器，确保标注精准性。

文件类型

包含 500 多张天空和云朵相关的图像文件（推测为 JPEG/PNG 等常见格式），以及对应的实例分割标注文件（按 SuperAnnotate 标准格式生成，记录 4 个类别的像素级标注信息）。

适用方向

适用于训练无人机导航系统、天气预报模型及飞行控制决策支持系统；可用于实例分割模型的训练与评估，助力计算机视觉在气象监测、无人机自主飞行等领域的应用开发，尤其适配热带与温带交界处的复杂天空场景相关算法优化。

孟买市高分辨率航拍图像和二进制遮罩

数据集下载链接：http://i71i.com/dfpy

简介

该数据集包含孟买市的高分辨率航拍图像，配套设计了道路网络检测任务专用的注释二进制掩码，整体按训练集、验证集、测试集划分结构；标注针对性适配语义分割任务，已在 U-Net 架构中得到有效应用，能满足精确像素级分类需求，为相关模型开发提供标准化数据支撑。

文件类型

• 图像文件：孟买市高分辨率航拍图像文件（推测为 JPEG、TIFF 等适配航拍场景的常见格式），按训练、验证、测试子集分类存储。
• 标注文件：对应道路网络检测任务的二进制掩码文件，用于记录道路区域的像素级标注信息，与图像文件一一对应。

适用方向

适用于语义分割深度学习模型的开发与评估，尤其适配 U-Net 等擅长像素级分类的网络架构；可支持道路网络检测任务，为城市规划、自动驾驶路径规划、地理空间分析等领域的计算机视觉应用提供数据支持，助力相关场景下的算法优化与技术落地。

360度全景数据集

数据集下载链接：http://i71i.com/dfpq

简介

360+x 数据集是面向场景理解的多模态数据集，以独特全景视角区别于传统数据集，通过多视角、多模态数据捕捉多样化场景；包含 2152 个多模态视频（共 8579k 帧），由 360° 摄像机（464 个视频）和 Spectacles 眼镜摄像机（1688 个视频）拍摄，覆盖 17 个城市的 28 个场景类别（15 个室内、13 个室外，含艺术空间、自然景观等）；视频被分段为 1380 个约 10 秒的短片，总时长约 67.78 小时，提供高分辨率（全景 / 双筒视频 5760x2880、第三人称视频 1920x1080）和低分辨率（全景视频 2432x1216、其余同高分辨率）两个版本，配套 38 个动作实例标签及预提取特征，满足不同计算资源需求。

文件类型

• 视频文件：含 360° 全景视频、第三人称正面视频、自我中心单眼镜头视频、自我中心双筒望远镜视频，按高 / 低分辨率分类存储。
• 音频文件：包含正常音频和定向双耳延迟两种音频模式，与视频文件一一对应。
• 标注文件：记录 38 个动作实例标签的时间分割注释文件，支持动作识别相关任务。
• 特征文件：预提取的 I3D、VGGish、ResNet-18 特征文件，可直接用于模型训练与评估。

适用方向

适用于场景理解领域的多模态学习研究，支持动作识别、视角转换建模、音频 - 视觉融合等任务；可用于训练和评估全景视觉相关的深度学习模型，为虚拟现实（VR）、增强现实（AR）、自动驾驶场景感知、机器人导航等领域提供数据支持，尤其适配需要多视角、多模态数据的算法开发与性能优化。

图像分割计算机视觉

数据集下载链接：http://i71i.com/dfpz

简介

该数据集是来自 Roboflow Universe 平台的高质量实例分割数据集（官方详细描述尚未发布），标注质量极高，基于其训练的模型可实现 91.8% 的 mAP@50 精度，能为高性能模型开发提供可靠基准；数据已完成预处理和增强，支持用户直接下载使用，大幅节省数据准备时间；源于真实工业检测或自动化需求场景，是连接学术研究与产业落地的优质数据资源，采用公有领域（Public Domain）许可证，可自由用于包括商业应用在内的任何目的。

文件类型

包含实例分割任务所需的图像文件，以及对应的高精度标注文件；数据集已完成预处理和增强，可能包含原始图像、增强后图像及配套标注文件。

适用方向

适用于实例分割模型的训练与高性能基准测试，尤其适配工业检测、自动化相关场景的算法开发；可作为学术研究与产业落地衔接的实用数据集，支持商业项目开发、工业自动化检测系统搭建等需求，也可用于验证实例分割算法在真实工业场景中的性能表现。

COCO Stuff + 全景数据集

数据集下载链接：http://i71i.com/dfpf

简介

该数据集是基于权威 COCO 2017 数据集构建的大规模多任务视觉数据集，无缝集成目标检测、实例分割、语义分割和全景分割四大核心任务的完整标注，为统一场景理解模型的开发与评估提供一站式支持；包含 panoptic_train2017/val2017（全景分割）、stuffthingmaps（语义分割）及标准 train2017/val2017 图像，数据按标准格式组织，开箱即用，无需用户自行整合标注；基于 COCO 基准，支持研究结果与全球顶尖成果横向对比，采用 MIT 许可证，允许商业使用、修改和分发。

文件类型

图像文件：存储于 train2017、val2017 文件夹，为 COCO 2017 标准图像文件（JPEG 格式），覆盖多样化城市场景。 标注文件：包含全景分割标注文件（panoptic_train2017/val2017 对应标注）、语义分割标注文件（stuffthingmaps 文件夹），以及目标检测、实例分割标准标注文件，均按 COCO 规范格式存储（JSON 及掩码文件）。

适用方向

适用于多任务学习、统一场景理解模型的训练与评估，可同时支持目标检测、实例分割、语义分割、全景分割四大核心计算机视觉任务；为学术研究提供权威基准（便于结果横向对比），也可用于工业级场景理解系统开发（如自动驾驶、智能监控、机器人视觉），支持商业项目落地，大幅节省数据预处理时间。