ערכות נתונים של סצנה סביבתית לפיתוח AI/ML

תיאור: מערך הנתונים "CCTV Traffic Scene Semantic Segmentation Dataset" מציע פרספקטיבה ייחודית לפיתוח נהיגה אוטונומית, תוך לכידת המורכבויות של סצנות תנועה מנקודת מבט נייחת. באמצעות צילומי CCTV ברזולוציה גבוהה ממצלמות ניטור כביש, עם רזולוציות העולות על 1600 x 1200 פיקסלים וקצב פריימים של מעל 7 פריימים לשנייה, מערך נתונים זה מספק פילוח מפורט של אלמנטים שונים בתנועה, כולל בני אדם, בעלי חיים, רוכבי אופניים, מכוניות ומחסומי דרך. הוא כולל גם מגוון תנאי מזג אוויר, ומציע מערך נתונים חזק לאימון מערכות בינה מלאכותית להבין ולפרש תרחישי תנועה מגוונים מנקודת מבט קבועה.

תיאור: מערך הנתונים "City Sky Contour Segmentation Dataset" נועד במיוחד עבור מגזר הבידור החזותי, וכולל אוסף של תמונות שנאספו באינטרנט ברזולוציה גבוהה של 3000 x 4000 פיקסלים. מערך נתונים זה מוקדש לפילוח קווי מתאר, תוך התמקדות בלכידת השמיים בסביבה עירונית עם אלמנטים כמו בניינים וצמחים, המספקים רקע מפורט ליצירת תוכן חזותי מגוון.

תיאור: מערך הנתונים "Dashcam Traffic Scenes Semantic Segmentation Dataset" חיוני לדחיפת גבולות טכנולוגיות הנהיגה האוטונומית. מערך נתונים זה מכיל תמונות מקליט נהיגה ברזולוציה של כ-1280 x 720 פיקסלים, המחולקות באופן סמנטי כדי לשקף אלמנטים שונים של סביבות תנועה עירוניות ופרבריות. הוא מסווג באופן מקיף 24 אובייקטים ותרחישים שונים, כולל שמיים, אנשים, כלי רכב ממונעים, כלי רכב לא ממונעים, כבישים מהירים, שבילי הולכי רגל, מעברי חצייה, עצים, בניינים ועוד. פילוח סמנטי מפורט זה מאפשר למערכות נהיגה אוטונומיות להבין ולפרש טוב יותר את מורכבות הכביש, ולשפר את פרוטוקולי הניווט והבטיחות.

תיאור: מערך הנתונים "Drivable Area Segmentation" עוצב בקפידה כדי לשפר את יכולות הבינה המלאכותית בניווט כלי רכב אוטונומיים בסביבות נהיגה מגוונות. הוא כולל מגוון רחב של תמונות ברזולוציה גבוהה, עם רזולוציות הנעות בין 1600 x 1200 ל-2592 x 1944 פיקסלים, הלוכדות סוגי ריצוף שונים כגון ביטומן, בטון, חצץ, אדמה, שלג וקרח. מערך נתונים זה חיוני לאימון מודלים של בינה מלאכותית להבחין בין אזורים ראויים לנהיגה שאינם ראויים לנהיגה, היבט בסיסי של נהיגה אוטונומית. על ידי מתן פילוח סמנטי ובינארי מפורט, הוא שואף לשפר את הבטיחות והיעילות של כלי רכב אוטונומיים, ולהבטיח שהם יכולים להסתגל לתנאי דרך וסביבות שונות הנמצאות בתרחישים בעולם האמיתי.

תיאור: איסוף תמונות (תמונת הרשמה אחת, 20 תמונות היסטוריות לכל זהות) וסרטונים (תמונה פנימית אחת, תמונה חיצונית אחת) מזהויות ייחודיות

תיאור: מערך הנתונים "Indoor Objects Segmentation Dataset" משרת את מגזרי הפרסום, המשחקים והבידור החזותי, ומציע תמונות ברזולוציה גבוהה הנעות בין 1024 × 1024 ל-3024 × 4032. מערך נתונים זה כולל מעל 50 סוגים של אובייקטים ואלמנטים אדריכליים נפוצים בתוך הבית, כגון רהיטים ומבני חדרים, עם הערות, למשל פילוח סמנטי וקווי מתאר.

תיאור: תמונות ממצלמות CCTV. הרזולוציה היא מעל 1920 x 1080 ומספר הפריימים לשנייה של הסרטון הוא מעל 30.

תיאור: תמונות של ציוני דרך בהקשר של סביבתם

מכשיר הקלטה: מצלמה ניידת

תנאי הקלטה: - אור יום - לילה - מעונן/גשם

תיאור: מערך הנתונים "Lane Line Segmentation Dataset" נועד להאיץ את ההתקדמות בטכנולוגיות נהיגה אוטונומית, תוך התמקדות ספציפית בזיהוי ופילוח נתיבים. הוא כולל מערך רחב של תמונות ממקליטי נהיגה, המחולקות ל-35 קטגוריות שונות כדי לכסות מגוון מקיף של סימוני דרך כגון קווים מלאים ומקווקוים שונים בלבן וצהוב. מערך נתונים זה נועד לחדד את הדיוק של בינה מלאכותית בזיהוי גבולות נתיבים, חיוני לניווט בטוח של כלי רכב אוטונומיים.

תיאור: מערך הנתונים "Lane Merging and Fork Area Segmentation" מתייחס ספציפית למורכבויות של מיזוג ופיצול נתיבים, תרחישים קריטיים בנהיגה אוטונומית. מערך נתונים זה, המורכב מתמונות של מקליט נהיגה, כולל הערות לפילוח בינארי, תוך התמקדות באזורים שבהם נתיבים מתמזגים או מסתעפים. הוא כולל תוויות מפורטות לאזורי מיזוג נתיבים, אזורי פיצול נתיבים (מסומנים בקווים משולשים הפוכים) ומכשולים פוטנציאליים כגון כלי רכב, עצים, שלטי דרכים והולכי רגל. מערך נתונים זה הוא כלי חיוני לאימון מודלים של בינה מלאכותית לנווט במצבי דרך מאתגרים אלה, תוך הבטחת חוויות נהיגה אוטונומיות חלקות ובטוחות יותר.