en

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

21 998 images de véhicules – description des attributs

multimodalité
données d’attributs de véhicules
données de sécurité
données de surveillance intelligente
données de circulation intelligente
données de ville intelligente

Ce corpus rassemble 21 998 images annotées représentant divers types de véhicules — berlines, SUV, monospaces, camions et autocars — capturés sur voie publique à différents moments, à l’aide de caméras de surveillance. Les annotations en anglais décrivent de manière précise la catégorie de véhicule, sa couleur, son orientation ainsi que le contexte visuel de la scène.

Données payantes
Il s'agit d'un ensemble de données payant destiné à un usage commercial, à la recherche et plus encore. Ces Jeux de données prêts à l'emploi et sous licence contribuent au lancement de projets d'IA.
SpécificationsSpécifications
Volume des données
21 998 images
Type de véhicule
Berlines, SUV, monospaces, camions et autobus
Répartition temporelle
Captation effectuée de jour comme de nuit
Environnement de collecte
Routes extérieures
Appareils de collecte
Caméras de vidéosurveillance
Angle de prise de son
Vue en plongée
Variété de captures
Différents types de véhicules et horaires de capture
Format des données
Format des images : .jpg ; format des textes : .txt
Langue utilisée pour la description
Anglais, chinois
Longueur du texte
En général, entre 30 et 60 mots, répartis sur 3 à 5 phrases
Contenu principal de la description
Inclut idéalement le modèle, la couleur, l’orientation du véhicule, l’heure, le lieu ou le contexte de prise de vue
Précision
Taux d’annotation correcte ≥ 97 %
Échantillon Exemple
  • 21 998 images de véhicules – description des attributs
  • 21 998 images de véhicules – description des attributs
  • 21 998 images de véhicules – description des attributs
Données recommandéesJeux de données recommandés
200 000 ensembles de données image-texte de bâtiments emblématiques de plusieurs pays

200 000 ensembles de données image-texte de bâtiments emblématiques de plusieurs pays. Chaque ensemble de données contient une image et un document de description en chinois et en anglais. Les points de repère nationaux comprennent 80 000 groupes et les autres points de repère nationaux 120 000 groupes. Il n'y a pas moins de 20 pays, dont les États-Unis, le Royaume-Uni, la France, la Russie, l'Allemagne et d'autres pays. Le nombre d'images correspondant à chaque point de repère est réparti de 1 à 10, y compris des informations sur les points de repère sous différents angles, à différentes distances et à différentes périodes. Les types de points de repère comprennent de nombreux types de bâtiments emblématiques, tels que des bâtiments commerciaux, des bâtiments anciens, des monuments, des bibliothèques, des attractions, etc. En termes de contenu d'étiquetage, le pays de repère, la ville de repère, l'emplacement spécifique du point de repère, la classification et la description du point de repère sont marqués. Les données peuvent être utilisées pour l'identification et l'analyse des bâtiments emblématiques.

ensemble de données d'images de point de repère ensemble de données de reconnaissance de bâtiment ensemble de légende d'image de point de repère mondial données de légende d'image bilingue ensemble de légende chinois-anglais ensemble de données de classification de point de repère ensemble de données image-texte ensemble de données de point de repère touristique ensemble de données d'image du patrimoine culturel sous-titrage d'image pour l'entraînement de l'IA
Veuillez nous indiquer vos besoins particuliers

En soumettant, j’accepte la politique de confidentialité

8959c5c8-525c-43f9-9fdb-d5639c2a1d4e

09a8fb33-5171-49b2-befa-dd23592df137