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
39
Détection d’événements
2
Expression
3
Anti-spoofing faciale
3
Détection faciale
2
Reconnaissance faciale
14
Points clés du visage
3
Classification des déchets
1
Reconnaissance des gestes
3
Attributs du corps humain
1
Détection du corps humain
2
Points clés du corps humain
1
Segmentation du corps humain
3
Posture humaine
6
Traitement d’image
2
Visage infrarouge
1
Détection et classification d’objets
2
Visage occulté
2
Autres
15
Ré-identification des personnes
1
Reconnaissance d’animaux de compagnie
2
Compréhension de scène
1
Défauts de la peau
2
Données non annotées
3
Visage 3D
1

Modalités

Tout
39
Image
35
Vidéo
19

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

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

249 993 1 cadres de données d'annotation de défauts cutanés sur 7 262 images de visages

249 993 1 cadres de données d'annotation de défauts cutanés sur 7 262 images de visages comprennent l'acné (acné), les grains de beauté, les cicatrices, l'herpès (plaies), les taches, les taches de rousseur et autres, sept types de défauts cutanés. Les données peuvent être utilisées pour des tâches telles que la détection de la qualité de la peau, la reconnaissance faciale, etc.
ensemble de données sur les défauts de la peau du visage ensemble de données sur la détection de l'acné ensemble de données sur les maladies de la peau ensemble de données sur la peau du visage ensemble de données sur l'IA en dermatologie ensemble de données sur la détection des grains de beauté ensemble de données sur la détection des cicatrices ensemble de données sur la détection des taches de rousseur

Données d'acquisition du comportement de conducteurs multi-races de 304 personnes

Les données d'acquisition du comportement de conducteurs multi-races de 304 personnes a été recueilli à partir de comportements de conduite Groupes d'âge multiples, multi-périodes et multi-races (Blancs, Noirs et Indiens), y compris les comportements de conduite dangereux, les comportements de conduite fatiguée et les comportements de dérive du regard. En termes d'équipement d'acquisition, des caméras binoculaires visibles et infrarouges sont utilisées. Cet ensemble de données d'acquisition du comportement de conducteurs multi-races peut être utilisé pour des tâches telles que l'analyse du comportement du conducteur.
comportements dangereux comportements de fatigue comportements de mouvement visuel âges multiples périodes multiples races multiples RVB et canaux infrarouges caméras en voiture

Données d'images de visages multiraciaux et multiposes de 23 110 personnes

Multi-race,Multiple light conditions,Multi-pose, Multi scenes, Face Recognition
Multi-races conditions des lumières multiples multi-poses scènes multiples reconnaissance faciale

Données de reconnaissance des comportements des passagers – 1 000 participants

Ce jeu de données rassemble les comportements de 1 000 passagers, observés dans différentes tranches d’âge, périodes de la journée et conditions d’éclairage. Il inclut des actions usuelles ainsi que des comportements atypiques : mal des transports, somnolence, oubli d’enfants ou d’objets personnels. Les scènes ont été enregistrées à l’aide de caméras binoculaires combinant lumière visible et infrarouge. Ce corpus constitue une base fiable pour l’analyse comportementale en contexte de transport intelligent.
Comportement normal des passagers comportement des passagers souffrant du mal des transports comportement des passagers somnolents comportement des passagers ayant perdu des objets plusieurs groupes d'âge plusieurs périodes

Données de reconnaissance de gestes de conducteurs – 1 335 participants

Ce jeu de données rassemble les gestes manuels de 1 335 conducteurs, répartis selon différents âges, plages horaires et types de gestes. Les enregistrements ont été réalisés à l’aide de caméras binoculaires en lumière visible et infrarouge. Chaque participant a fourni 18 gestes statiques (comme le poing fermé ou le geste du cœur) et 23 gestes dynamiques (comme le clic avec un doigt ou deux doigts). Ce corpus est destiné aux recherches sur la reconnaissance des gestes en conduite.
Données de collecte de gestes du conducteur collecte de gestes du conducteur données de collecte du conducteur données de gestes du conducteur

Données de reconnaissance des comportements de conduite – 1 350 conducteurs

Ce jeu de données, dédié à l’analyse du comportement de 1 350 conducteurs, couvre un large éventail de tranches d’âge, de moments de la journée et de conditions d’éclairage. Il documente avec précision plusieurs types de comportements à risque, tels que la conduite dangereuse, la fatigue au volant ou encore les déviations du regard. Les données ont été recueillies à l’aide d’un système de caméras binoculaires combinant lumière visible et infrarouge, garantissant une capture fidèle dans des conditions variées. Ce corpus s’avère particulièrement pertinent pour le développement d’algorithmes de détection comportementale dans les environnements de conduite intelligents.
Données d’acquisition du comportement du conducteur acquisition du comportement du conducteur acquisition de données du conducteur données de comportement du conducteur caméra grand angle
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
65ffab6c-bf98-4dd7-a0c7-f6472ac04519