fr

Please fill in your name

Mobile phone format error

Veuillez entrer le téléphone

Veuillez entrer le nom de votre entreprise

Veuillez entrer votre e-mail professionnel

Veuillez entrer l'exigence de données

Successful submission! Thank you for your support.

Format error, Please fill in again

Confirm

L'exigence de données ne peut pas faire moins de 5 mots et ne peut pas être constituée uniquement de chiffres

Jeux de données de vision par ordinateur

Améliorez instantanément les performances de votre modèle IA avec des Jeux de données prêts à l’emploi de haute qualité.

Type de tâche

Tout
125
Âge
2
Détection de vêtements
2
Segmentation de vêtements
1
Détection d’événements
13
Expression
6
Anti-spoofing faciale
7
Détection faciale
2
Reconnaissance faciale
33
Segmentation faciale
2
Points clés du visage
7
Reconnaissance de la démarche
3
Classification des déchets
1
Reconnaissance des gestes
7
Attributs du corps humain
4
Détection du corps humain
8
Points clés du corps humain
4
Segmentation du corps humain
9
Suivi du corps humain
3
Posture humaine
25
Traitement d’image
2
Visage infrarouge
2
Maquillage
1
Détection et classification d’objets
3
Visage occulté
2
Autres
25
Ré-identification des personnes
5
Reconnaissance d’animaux de compagnie
2
Gestion urbaine raffinée
4
Visage apparenté
1
Compréhension de scène
4
Défauts de la peau
2
Données non annotées
15
Ré-identification des véhicules
1
Reconnaissance de véhicules
3
Visage 3D
5

Modalités

Tout
125
Image
96
Vidéo
50

Données d'annotation de 106 points clés de 87 871 visages (scènes complexes)

Les données d'annotation de 106 points clés de 87 871 visages (scènes complexes) contiennent des Jaunes, des Noirs, des Blancs et des Indiens. Afin d'augmenter la difficulté des données, la diversité des données comprend différentes poses, différentes expressions, différentes lumières et différentes scènes des visages. Les données d'annotation de 106 points clés de 87 871 visages (scènes complexes) peuvent être utilisées pour le positionnement des points clés du visage, la reconnaissance du comportement des visages et d'autres tâches.
106 Repères faciaux Multi-race Multi-expression Attributs faciaux Scènes compliquées

3 010 images de segmentation sémantique du corps humain – 602 personnes de diverses origines ethniques

3 010 images annotées pour la segmentation sémantique du corps humain de 602 individus représentant une diversité ethnique, couvrant une variété de mouvements, âges variés, de profils démographiques et de environnements de collecte hétérogènes. Les annotations de haute précision portent sur le détourage des écouteurs, du corps humain, de l’arrière-plan et des lunettes. Ce jeu de données est idéalement structuré aux tâches de segmentation corporelle et à la détection comportementale en visioconférence.
Segmentation du corps humain postures variées âges différents origines ethniques diverses environnements de collecte variés scènes multiples

Ensemble de données de synthèse haute fidélité de scènes 3D_Habitacle

Ensemble de données de synthèse haute fidélité de scènes 3D_Habitacle, la modélisation de scène 3D, les données de sortie de capteur synthétisées très similaires au monde réel, y compris les images de caméra, les séquences vidéo, les nuages de points, etc., peuvent fournir du contenu d'annotation, y compris, mais sans s'y limiter, les paramètres de caméra, la catégorie cible/la détection/la segmentation, les méta-informations sur le temps/l'éclairage/la météo, la position et la direction de la tête/des yeux/des bras/des jambes, et d'autres poses humaines. Cet ensemble de données peut être utilisé pour la modélisation environnementale et la synthèse de données pour la conduite autonome, la robotique, etc.
Données synthétiques 3D Ensemble de données synthétiques de surveillance du conducteur Données synthétiques de conduite autonome Ensemble de données de simulation haute fidélité Données de nuages de points synthétiques Ensemble de données de simulation de caméra Ensemble de données synthétiques de pose humaine Ensemble de données lidar synthétiques Modélisation d'environnement 3D Données synthétiques robotiques Ensemble de données DMS

466 personnes, 18 880 images : Segmentation d'instance corporelle 3D & 22 points corporels

Données de segmentation d'instance corporelle 3D et 22 points corporels pour 466 personnes. Diversité : scènes, conditions d'éclairage, groupes d'âge, angles de prise de vue, poses. Annotation : segmentation d'instance, 22 points corporels. Utilisable pour la segmentation d'instance corporelle, la reconnaissance du comportement.
Segmentation d’instances du corps humain points de repère corporels 3D postures multiples scènes multiples

116 048 ensembles de données de gestes 3D

Ce jeu de données comprend 116 048 échantillons de gestes 3D. Chaque échantillon contient une image masque de la main (RGB, 24 bits), une carte de profondeur (16 bits), un fichier de paramètres intrinsèques de la caméra (TXT), un fichier de points clés 3D (OBJ), un fichier de maillage (OBJ), une étiquette de geste (TXT), ainsi qu’une image démo des points clés (JPG) et du maillage (JPG). Les données ont été collectées en intérieur, avec la main droite (sans objet), depuis des perspectives à la première et à la troisième personne. Elles couvrent divers types de gestes, de postures digitales et d’orientations complètes de la main, et impliquent plusieurs participants. Captées à l’aide de plusieurs dispositifs Kinect, ces données ne contiennent aucune information faciale sensible. Les images de masque et de profondeur sont parfaitement alignées.Ce corpus est adapté aux tâches de reconnaissance gestuelle, de reconstruction 3D de la main et de détection de points clés.
VR reconnaissance des gestes de la main reconstruction 3D détection des points clés

180 participants – 9 000 images de gestes de conducteurs – annotation de 21 points clés

Données annotées de 180 conducteurs et de 9 000 images de gestes de conduite, avec annotation de 21 points clés pour chaque geste. Ces données couvrent diverses tranches d'âge, moments de la journée, types de gestes et modèles de véhicules. Les annotations comprennent le modèle du véhicule, la catégorie du geste, ainsi que la nationalité, le sexe et l'âge de la personne enregistrée. Chaque point clé des gestes du conducteur est annoté avec des attributs visibles et invisibles. Ces données peuvent être utilisées pour des tâches telles que la reconnaissance des gestes des conducteurs, la détection et la reconnaissance des points clés des gestes.
DMS gestes du conducteur 21 repères gestuels gestes statiques gestes dynamiques reconnaissance des gestes du conducteur détection des repères gestuels reconnaissance des repères

103 282 données d'annotation du comportement du conducteur

103 282 images avec annotation du comportement du conducteur. Diversité : groupes d'âge, moments de la journée, comportements (dangereux, fatigue, détournement du regard). Annotation : 72 points faciaux (incl. pupilles), attributs du visage, boîte de délimitation des gestes, boîte de délimitation de la ceinture, points des pupilles, catégories de comportement. Utilisable pour l'analyse du comportement du conducteur.
comportements dangereux comportements liés à la fatigue comportements liés aux mouvements visuels 72 repères faciaux attributs faciaux cadres de gestes cadres de ceintures de sécurité repères pupillaires catégories de comportements plusieurs âges plusieurs périodes caméras embarquées

Données des images de visages multiraciaux de 92 406 personnes (plusieurs images par personnes)

Multi-race,Multi-pose,Face,Face recognition
Multi-races multi-poses visage reconnaissance faciale

89 747 données d'annotation d'attributs de véhicules

89 747 images de véhicules avec annotation d'attributs, scènes : rues extérieures (autoroutes, carrefours). Diversité : différents types de véhicules, couleurs, couleurs de plaques d'immatriculation, marques, moments de la journée, orientations des véhicules. Annotations : Boîtes de délimitation rectangulaires pour avant/arrière, véhicule entier, plaque d'immatriculation ; Transcription de plaque (masquée), couleur de plaque, couleur du véhicule, type de véhicule, marque, heure de capture, orientation. Utilisable pour l'analyse d'attributs de véhicule ou la reconnaissance de plaques d'immatriculation.
Caméra de surveillance plusieurs types de véhicules plusieurs couleurs de véhicules plusieurs couleurs de plaques d'immatriculation plusieurs marques de véhicules différentes heures différentes orientations de véhicules analyse des attributs du véhicule
. . .
loading

loading

Personnalisez vos données dès maintenant

Pourquoi choisir des jeux de données prêts à l'emploi

  • Droits d'auteur

    Droits d'auteur

    Droits d’auteur clairs vérifiables à tout moment
  • Sécurité

    Sécurité

    Correctement autorisés Sécurisés à l’usage
  • Professionnel

    Professionnel

    Conçus et produits par des experts en données d’IA
  • Diversité

    Diversité

    Collectés à partir de diverses scènes réelles
  • Rentabilité

    Rentabilité

    Plus rentable Que les données personnalisées
  • Efficacité

    Efficacité

    Prêt à l'emploi, livré en quelques secondes
7ab7e0ad-3b7a-47cc-882f-a6309472a462