AI ಅಲ್ಗಾರಿದಮ್ ನೀವು ಫೀಡ್ ಮಾಡುವ ಡೇಟಾದಷ್ಟೇ ಉತ್ತಮವಾಗಿರುತ್ತದೆ.
ಇದು ದಪ್ಪ ಅಥವಾ ಅಸಾಂಪ್ರದಾಯಿಕ ಹೇಳಿಕೆಯೂ ಅಲ್ಲ. AI ಒಂದೆರಡು ದಶಕಗಳ ಹಿಂದೆಯೇ ದೂರವಿದ್ದಂತೆ ತೋರುತ್ತಿತ್ತು, ಆದರೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆಯು ಅಂದಿನಿಂದ ಬಹಳ ದೂರ ಸಾಗಿದೆ.
ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ಕಂಪ್ಯೂಟರ್‌ಗಳು ಲೇಬಲ್‌ಗಳು ಮತ್ತು ಚಿತ್ರಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ಅರ್ಥೈಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಸರಿಯಾದ ರೀತಿಯ ಚಿತ್ರಗಳ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್‌ಗೆ ತರಬೇತಿ ನೀಡಿದಾಗ, ಅದು ವಿವಿಧ ಮುಖದ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವ, ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಮತ್ತು ಗುರುತಿಸುವ, ರೋಗಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವ, ಸ್ವಾಯತ್ತ ವಾಹನಗಳನ್ನು ಓಡಿಸುವ ಮತ್ತು ಬಹು ಆಯಾಮದ ಅಂಗ ಸ್ಕ್ಯಾನಿಂಗ್ ಬಳಸಿಕೊಂಡು ಜೀವಗಳನ್ನು ಉಳಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಪಡೆಯಬಹುದು.
ಕಂಪ್ಯೂಟರ್ ವಿಷನ್ ಮಾರುಕಟ್ಟೆಯನ್ನು ತಲುಪುವ ನಿರೀಕ್ಷೆಯಿದೆ $ 144.46 ಬಿಲಿಯನ್ 2028 ರಲ್ಲಿ ಸಾಧಾರಣ $7.04 ಶತಕೋಟಿಯಿಂದ 2020 ರ ಹೊತ್ತಿಗೆ, 45.64 ಮತ್ತು 2021 ರ ನಡುವೆ 2028% ನ CAGR ನಲ್ಲಿ ಬೆಳೆಯುತ್ತದೆ.
ನಮ್ಮ ಚಿತ್ರ ಡೇಟಾಸೆಟ್ ನಿಮ್ಮ AI ಪ್ರಾಜೆಕ್ಟ್‌ನ ಯಶಸ್ಸಿಗೆ ನಿಮ್ಮ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ವಿಷನ್ ಕಾರ್ಯಗಳು ನಿಮಗೆ ಆಹಾರ ಮತ್ತು ತರಬೇತಿ ನೀಡುತ್ತಿರುವಿರಿ. ಗುಣಮಟ್ಟದ ಡೇಟಾಸೆಟ್ ಪಡೆಯುವುದು ತುಂಬಾ ಕಷ್ಟ. ನಿಮ್ಮ ಯೋಜನೆಯ ಸಂಕೀರ್ಣತೆಗೆ ಅನುಗುಣವಾಗಿ, ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ಉದ್ದೇಶಗಳಿಗಾಗಿ ವಿಶ್ವಾಸಾರ್ಹ ಮತ್ತು ಸಂಬಂಧಿತ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ಪಡೆಯಲು ಕೆಲವು ದಿನಗಳಿಂದ ಕೆಲವು ವಾರಗಳ ನಡುವೆ ಎಲ್ಲಿಯಾದರೂ ತೆಗೆದುಕೊಳ್ಳಬಹುದು.
ಇಲ್ಲಿ, ನೀವು ಈಗಿನಿಂದಲೇ ಬಳಸಬಹುದಾದ ಮುಕ್ತ-ಮೂಲ ಚಿತ್ರ ಡೇಟಾಸೆಟ್‌ಗಳ ಶ್ರೇಣಿಯನ್ನು (ನಿಮ್ಮ ಸುಲಭಕ್ಕಾಗಿ ವರ್ಗೀಕರಿಸಲಾಗಿದೆ) ನಾವು ನಿಮಗೆ ಒದಗಿಸುತ್ತೇವೆ.
ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್ ವಿಷನ್ ಮಾದರಿಗೆ ತರಬೇತಿ ನೀಡಲು ಇಮೇಜ್ ಡೇಟಾಸೆಟ್‌ಗಳ ಸಮಗ್ರ ಪಟ್ಟಿ
ಜನರಲ್:
ಇಮೇಜ್ ನೆಟ್
ಇಮೇಜ್‌ನೆಟ್ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುವ ಡೇಟಾಸೆಟ್ ಆಗಿದೆ, ಮತ್ತು ಇದು 1.2 ವರ್ಗಗಳಾಗಿ ವರ್ಗೀಕರಿಸಲಾದ ಬೆರಗುಗೊಳಿಸುವ 1000 ಮಿಲಿಯನ್ ಚಿತ್ರಗಳೊಂದಿಗೆ ಬರುತ್ತದೆ. ಈ ಡೇಟಾಸೆಟ್ ಅನ್ನು ವರ್ಲ್ಡ್‌ನೆಟ್ ಶ್ರೇಣಿಯ ಪ್ರಕಾರ ಆಯೋಜಿಸಲಾಗಿದೆ ಮತ್ತು ಮೂರು ಭಾಗಗಳಾಗಿ ವರ್ಗೀಕರಿಸಲಾಗಿದೆ - ತರಬೇತಿ ಡೇಟಾ, ಇಮೇಜ್ ಲೇಬಲ್‌ಗಳು ಮತ್ತು ಮೌಲ್ಯೀಕರಣ ಡೇಟಾ.
ಚಲನಶಾಸ್ತ್ರ 700
ಚಲನಶಾಸ್ತ್ರ 700 ಎಂಬುದು 650,000 ವಿಭಿನ್ನ ಮಾನವ ಕ್ರಿಯೆಯ ವರ್ಗಗಳ 700 ಕ್ಲಿಪ್‌ಗಳನ್ನು ಹೊಂದಿರುವ ದೊಡ್ಡ ಉತ್ತಮ-ಗುಣಮಟ್ಟದ ಡೇಟಾಸೆಟ್ ಆಗಿದೆ. ಪ್ರತಿಯೊಂದು ವರ್ಗ ಕ್ರಿಯೆಯು ಸುಮಾರು 700 ವೀಡಿಯೊ ಕ್ಲಿಪ್‌ಗಳನ್ನು ಹೊಂದಿದೆ. ಡೇಟಾಸೆಟ್‌ನಲ್ಲಿರುವ ಕ್ಲಿಪ್‌ಗಳು ಮಾನವ-ವಸ್ತು ಮತ್ತು ಮಾನವ-ಮಾನವ ಸಂವಹನಗಳನ್ನು ಹೊಂದಿವೆ, ಇದು ವೀಡಿಯೊಗಳಲ್ಲಿ ಮಾನವ ಕ್ರಿಯೆಗಳನ್ನು ಗುರುತಿಸುವಾಗ ಸಾಕಷ್ಟು ಸಹಾಯಕವಾಗಿದೆಯೆಂದು ಸಾಬೀತಾಗಿದೆ.
CIFAR-10
CIFAR 10 ಹತ್ತು ವಿವಿಧ ವರ್ಗಗಳನ್ನು ಪ್ರತಿನಿಧಿಸುವ 60000 32 x 32 ಬಣ್ಣದ ಚಿತ್ರಗಳನ್ನು ಹೊಂದಿರುವ ದೊಡ್ಡ ಕಂಪ್ಯೂಟರ್-ವಿಷನ್ ಡೇಟಾಸೆಟ್‌ಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಪ್ರತಿ ತರಗತಿಯು ಸುಮಾರು 6000 ಚಿತ್ರಗಳನ್ನು ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ಕ್ರಮಾವಳಿಗಳು ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆಗೆ ತರಬೇತಿ ನೀಡಲು ಬಳಸಲಾಗುತ್ತದೆ.
ಆಕ್ಸ್‌ಫರ್ಡ್-IIIT ಪೆಟ್ ಇಮೇಜಸ್ ಡೇಟಾಸೆಟ್
ಪಿಇಟಿ ಇಮೇಜ್ ಡೇಟಾಸೆಟ್ ಪ್ರತಿ ತರಗತಿಗೆ 37 ಚಿತ್ರಗಳೊಂದಿಗೆ 200 ವಿಭಾಗಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಈ ಚಿತ್ರಗಳು ಸ್ಕೇಲ್, ಭಂಗಿ ಮತ್ತು ಬೆಳಕಿನಲ್ಲಿ ಬದಲಾಗುತ್ತವೆ ಮತ್ತು ತಳಿ, ತಲೆ ROI ಮತ್ತು ಪಿಕ್ಸೆಲ್-ಮಟ್ಟದ ಟ್ರಿಮ್ಯಾಪ್ ವಿಭಾಗಕ್ಕಾಗಿ ಟಿಪ್ಪಣಿಗಳೊಂದಿಗೆ ಇರುತ್ತವೆ.
Google ನ ತೆರೆದ ಚಿತ್ರಗಳು
ಪ್ರಭಾವಶಾಲಿ 9 ಮಿಲಿಯನ್ URL ಗಳೊಂದಿಗೆ, ಇದು ಪಟ್ಟಿಯಲ್ಲಿರುವ ಅತಿದೊಡ್ಡ ಇಮೇಜ್ ಡೇಟಾಸೆಟ್‌ಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ, 6,000 ವರ್ಗಗಳಲ್ಲಿ ಲೇಬಲ್ ಮಾಡಲಾದ ಲಕ್ಷಾಂತರ ಚಿತ್ರಗಳನ್ನು ಒಳಗೊಂಡಿದೆ.
ಸಸ್ಯ ಚಿತ್ರಗಳು
ಈ ಸಂಕಲನವು ಸುಮಾರು 1 ಜಾತಿಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಪ್ರಭಾವಶಾಲಿ 11 ಮಿಲಿಯನ್ ಸಸ್ಯ ಚಿತ್ರಗಳನ್ನು ಒಳಗೊಂಡ ಬಹು ಚಿತ್ರ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿದೆ.
ಮುಖ ಗುರುತಿಸುವಿಕೆ:
ವೈಲ್ಡ್‌ನಲ್ಲಿ ಲೇಬಲ್ ಮಾಡಿದ ಮುಖಗಳು
ಇಂಟರ್‌ನೆಟ್‌ನಿಂದ ಪತ್ತೆಯಾದ ಸುಮಾರು 13,230 ಜನರ 5,750 ಕ್ಕೂ ಹೆಚ್ಚು ಚಿತ್ರಗಳನ್ನು ಹೊಂದಿರುವ ದೊಡ್ಡ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಫೇಸ್ಡ್ ಇನ್ ದಿ ವೈಲ್ಡ್ ಎಂದು ಲೇಬಲ್ ಮಾಡಲಾಗಿದೆ. ಮುಖಗಳ ಈ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಅನಿಯಂತ್ರಿತ ಮುಖ ಪತ್ತೆಯನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ಸುಲಭವಾಗುವಂತೆ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ.
CASIA ವೆಬ್‌ಫೇಸ್
CASIA ವೆಬ್ ಮುಖವು ಉತ್ತಮವಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಡೇಟಾಸೆಟ್ ಆಗಿದ್ದು ಅದು ಯಂತ್ರ ಕಲಿಕೆ ಮತ್ತು ಅನಿಯಂತ್ರಿತ ಮುಖ ಗುರುತಿಸುವಿಕೆಯ ವೈಜ್ಞಾನಿಕ ಸಂಶೋಧನೆಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಸುಮಾರು 494,000 ನೈಜ ಗುರುತುಗಳ 10,000 ಕ್ಕೂ ಹೆಚ್ಚು ಚಿತ್ರಗಳೊಂದಿಗೆ, ಇದು ಮುಖ ಗುರುತಿಸುವಿಕೆ ಮತ್ತು ಪರಿಶೀಲನೆ ಕಾರ್ಯಗಳಿಗೆ ಸೂಕ್ತವಾಗಿದೆ.
UMD ಫೇಸಸ್ ಡೇಟಾಸೆಟ್
UMD ಎರಡು ಭಾಗಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಉತ್ತಮ ಟಿಪ್ಪಣಿಯ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಎದುರಿಸುತ್ತದೆ - ಸ್ಥಿರ ಚಿತ್ರಗಳು ಮತ್ತು ವೀಡಿಯೊ ಫ್ರೇಮ್‌ಗಳು. ಡೇಟಾಸೆಟ್ 367,800 ಕ್ಕೂ ಹೆಚ್ಚು ಮುಖ ಟಿಪ್ಪಣಿಗಳನ್ನು ಮತ್ತು 3.7 ಮಿಲಿಯನ್ ಟಿಪ್ಪಣಿ ಮಾಡಿದ ವೀಡಿಯೊ ಫ್ರೇಮ್‌ಗಳನ್ನು ಹೊಂದಿದೆ.
ಫೇಸ್ ಮಾಸ್ಕ್ ಪತ್ತೆ
ಈ ಡೇಟಾಸೆಟ್ ಮೂರು ವರ್ಗಗಳಾಗಿ ವರ್ಗೀಕರಿಸಲಾದ 853 ಚಿತ್ರಗಳನ್ನು ಒಳಗೊಂಡಿದೆ: "ಮುಖವಾಡದೊಂದಿಗೆ," "ಮಾಸ್ಕ್ ಇಲ್ಲದೆ," ಮತ್ತು "ತಪ್ಪಾಗಿ ಧರಿಸಿರುವ ಮುಖವಾಡ" ಜೊತೆಗೆ PASCAL VOC ಸ್ವರೂಪದಲ್ಲಿ ಅವುಗಳ ಬೌಂಡಿಂಗ್ ಬಾಕ್ಸ್‌ಗಳು.
ಫೆರೆಟ್
FERET (ಫೇಶಿಯಲ್ ರೆಕಗ್ನಿಷನ್ ಟೆಕ್ನಾಲಜಿ ಡೇಟಾಬೇಸ್) ಮಾನವ ಮುಖಗಳ 14,000 ಟಿಪ್ಪಣಿ ಚಿತ್ರಗಳನ್ನು ಹೊಂದಿರುವ ಸಮಗ್ರ ಚಿತ್ರ ಡೇಟಾಸೆಟ್ ಆಗಿದೆ.
ಕೈಬರಹ ಗುರುತಿಸುವಿಕೆ:
MNIST ಡೇಟಾಬೇಸ್
MNIST 0 ರಿಂದ 9 ರವರೆಗಿನ ಕೈಬರಹದ ಅಂಕಿಗಳ ಮಾದರಿಗಳನ್ನು ಹೊಂದಿರುವ ಡೇಟಾಬೇಸ್ ಆಗಿದೆ ಮತ್ತು ಇದು 60,000 ಮತ್ತು 10,000 ತರಬೇತಿ ಮತ್ತು ಪರೀಕ್ಷಾ ಚಿತ್ರಗಳನ್ನು ಹೊಂದಿದೆ. 1999 ರಲ್ಲಿ ಬಿಡುಗಡೆಯಾದ MNIST ಡೀಪ್ ಲರ್ನಿಂಗ್‌ನಲ್ಲಿ ಇಮೇಜ್ ಪ್ರೊಸೆಸಿಂಗ್ ಸಿಸ್ಟಮ್‌ಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಸುಲಭಗೊಳಿಸುತ್ತದೆ.
ಕೃತಕ ಅಕ್ಷರಗಳ ಡೇಟಾಸೆಟ್
ಕೃತಕ ಅಕ್ಷರಗಳು ಡೇಟಾಸೆಟ್, ಹೆಸರೇ ಸೂಚಿಸುವಂತೆ, ಹತ್ತು ದೊಡ್ಡ ಅಕ್ಷರಗಳಲ್ಲಿ ಇಂಗ್ಲಿಷ್ ಭಾಷೆಯ ರಚನೆಯನ್ನು ವಿವರಿಸುವ ಕೃತಕವಾಗಿ ರಚಿಸಲಾದ ಡೇಟಾ. ಇದು 6000 ಕ್ಕೂ ಹೆಚ್ಚು ಚಿತ್ರಗಳೊಂದಿಗೆ ಬರುತ್ತದೆ.
ವಸ್ತು ಪತ್ತೆ:
MS COCO
MS COCO ಅಥವಾ ಸನ್ನಿವೇಶದಲ್ಲಿನ ಸಾಮಾನ್ಯ ವಸ್ತುಗಳು ವಸ್ತು ಪತ್ತೆ ಮತ್ತು ಶೀರ್ಷಿಕೆ ಡೇಟಾಸೆಟ್ ಆಗಿದೆ.
ಇದು ಕೀಪಾಯಿಂಟ್ ಡಿಟೆಕ್ಷನ್, ಮಲ್ಟಿ-ಆಬ್ಜೆಕ್ಟ್ ಡಿಟೆಕ್ಷನ್, ಶೀರ್ಷಿಕೆ ಮತ್ತು ಸೆಗ್ಮೆಂಟೇಶನ್ ಮಾಸ್ಕ್ ಟಿಪ್ಪಣಿಗಳೊಂದಿಗೆ 328,000 ಕ್ಕೂ ಹೆಚ್ಚು ಚಿತ್ರಗಳನ್ನು ಹೊಂದಿದೆ. ಇದು 80 ವಸ್ತು ವಿಭಾಗಗಳು ಮತ್ತು ಪ್ರತಿ ಚಿತ್ರಕ್ಕೆ ಐದು ಶೀರ್ಷಿಕೆಗಳೊಂದಿಗೆ ಬರುತ್ತದೆ.
LSUN
LSUN, ದೊಡ್ಡ-ಪ್ರಮಾಣದ ದೃಶ್ಯ ತಿಳುವಳಿಕೆಗೆ ಚಿಕ್ಕದಾಗಿದೆ, 20 ಆಬ್ಜೆಕ್ಟ್ ಮತ್ತು 10 ದೃಶ್ಯ ವಿಭಾಗಗಳಲ್ಲಿ ಮಿಲಿಯನ್‌ಗಿಂತಲೂ ಹೆಚ್ಚು ಲೇಬಲ್ ಚಿತ್ರಗಳನ್ನು ಹೊಂದಿದೆ. ಕೆಲವು ವರ್ಗಗಳು ಸುಮಾರು 300,000 ಚಿತ್ರಗಳನ್ನು ಹೊಂದಿವೆ, ನಿರ್ದಿಷ್ಟವಾಗಿ ಮೌಲ್ಯೀಕರಣಕ್ಕಾಗಿ 300 ಚಿತ್ರಗಳು ಮತ್ತು ಪರೀಕ್ಷಾ ಡೇಟಾಕ್ಕಾಗಿ 1000 ಚಿತ್ರಗಳು.
ಮನೆಯ ವಸ್ತುಗಳು
ಹೋಮ್ ಆಬ್ಜೆಕ್ಟ್ಸ್ ಡೇಟಾಸೆಟ್ ಮನೆಯ ಸುತ್ತಲಿನ ಯಾದೃಚ್ಛಿಕ ವಸ್ತುಗಳ ಟಿಪ್ಪಣಿ ಚಿತ್ರಗಳನ್ನು ಒಳಗೊಂಡಿದೆ - ಅಡುಗೆಮನೆ, ವಾಸದ ಕೋಣೆ ಮತ್ತು ಸ್ನಾನಗೃಹ. ಈ ಡೇಟಾಸೆಟ್‌ನಲ್ಲಿ ಕೆಲವು ಟಿಪ್ಪಣಿ ಮಾಡಲಾದ ವೀಡಿಯೊಗಳು ಮತ್ತು 398 ಟಿಪ್ಪಣಿ ಮಾಡದ ಫೋಟೋಗಳನ್ನು ಪರೀಕ್ಷೆಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ.
ಆಟೋಮೋಟಿವ್:
ಸಿಟಿಸ್ಕೇಪ್ ಡೇಟಾಸೆಟ್
ಸಿಟಿಸ್ಕೇಪ್ ಎನ್ನುವುದು ಹಲವಾರು ಸಿಟ್‌ಗಳ ಬೀದಿ ದೃಶ್ಯಗಳಿಂದ ರೆಕಾರ್ಡ್ ಮಾಡಲಾದ ವಿವಿಧ ವೀಡಿಯೊ ಅನುಕ್ರಮಗಳನ್ನು ಹುಡುಕುತ್ತಿರುವಾಗ ಹೋಗಬೇಕಾದ ಡೇಟಾಸೆಟ್ ಆಗಿದೆ. ಈ ಚಿತ್ರಗಳನ್ನು ದೀರ್ಘಕಾಲದವರೆಗೆ ಮತ್ತು ವಿಭಿನ್ನ ಹವಾಮಾನ ಮತ್ತು ಬೆಳಕಿನ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಸೆರೆಹಿಡಿಯಲಾಗಿದೆ. ಟಿಪ್ಪಣಿಗಳು 30 ವರ್ಗಗಳ ಚಿತ್ರಗಳಿಗೆ ಎಂಟು ವಿಭಿನ್ನ ವರ್ಗಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ.
ಬಾರ್ಕ್ಲಿ ಡೀಪ್ ಡ್ರೈವ್
ಬಾರ್ಕ್ಲಿ ಡೀಪ್‌ಡ್ರೈವ್ ಅನ್ನು ನಿರ್ದಿಷ್ಟವಾಗಿ ಸ್ವಾಯತ್ತ ವಾಹನ ತರಬೇತಿಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ ಮತ್ತು ಇದು 100 ಸಾವಿರಕ್ಕೂ ಹೆಚ್ಚು ಟಿಪ್ಪಣಿ ಮಾಡಿದ ವೀಡಿಯೊ ಅನುಕ್ರಮಗಳನ್ನು ಹೊಂದಿದೆ. ಬದಲಾಗುತ್ತಿರುವ ರಸ್ತೆ ಮತ್ತು ಚಾಲನಾ ಪರಿಸ್ಥಿತಿಗಳಿಂದ ಸ್ವಾಯತ್ತ ವಾಹನಗಳಿಗೆ ಇದು ಅತ್ಯಂತ ಸಹಾಯಕವಾದ ತರಬೇತಿ ಡೇಟಾವಾಗಿದೆ.
ಮ್ಯಾಪಿಲ್ಲರಿ
ಮ್ಯಾಪಿಲ್ಲರಿ ವಿಶ್ವಾದ್ಯಂತ 750 ದಶಲಕ್ಷಕ್ಕೂ ಹೆಚ್ಚು ರಸ್ತೆ ದೃಶ್ಯಗಳು ಮತ್ತು ಟ್ರಾಫಿಕ್ ಚಿಹ್ನೆಗಳನ್ನು ಹೊಂದಿದೆ, ಇದು ಯಂತ್ರ ಕಲಿಕೆ ಮತ್ತು AI ಅಲ್ಗಾರಿದಮ್‌ಗಳಲ್ಲಿ ದೃಶ್ಯ ಗ್ರಹಿಕೆ ಮಾದರಿಗಳಿಗೆ ತರಬೇತಿ ನೀಡಲು ತುಂಬಾ ಉಪಯುಕ್ತವಾಗಿದೆ. ವಿವಿಧ ಬೆಳಕು ಮತ್ತು ಹವಾಮಾನ ಪರಿಸ್ಥಿತಿಗಳು ಮತ್ತು ದೃಷ್ಟಿಕೋನಗಳನ್ನು ಪೂರೈಸುವ ಸ್ವಾಯತ್ತ ವಾಹನಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಇದು ನಿಮ್ಮನ್ನು ಅನುಮತಿಸುತ್ತದೆ.
ವೈದ್ಯಕೀಯ ಚಿತ್ರಣ:
ಕೋವಿಡ್-19 ಓಪನ್ ರಿಸರ್ಚ್ ಡೇಟಾಸೆಟ್
ಈ ಮೂಲ ಡೇಟಾಸೆಟ್ AP/PA ಎದೆಯ ಕ್ಷ-ಕಿರಣಗಳ ಬಗ್ಗೆ ಸುಮಾರು 6500 ಪಿಕ್ಸೆಲ್-ಬಹುಭುಜಾಕೃತಿಯ ಶ್ವಾಸಕೋಶದ ವಿಭಾಗಗಳನ್ನು ಹೊಂದಿದೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಹೆಸರು, ಸ್ಥಳ, ಪ್ರವೇಶ ವಿವರಗಳು, ಫಲಿತಾಂಶ ಮತ್ತು ಹೆಚ್ಚಿನದನ್ನು ಒಳಗೊಂಡಿರುವ ಟ್ಯಾಗ್‌ಗಳೊಂದಿಗೆ ಕೋವಿಡ್-517 ರೋಗಿಯ ಕ್ಷ-ಕಿರಣಗಳ 19 ಚಿತ್ರಗಳು ಲಭ್ಯವಿವೆ.
100,000 ಎದೆಯ ಕ್ಷ-ಕಿರಣಗಳ NIH ಡೇಟಾಬೇಸ್
NIH ಡೇಟಾಬೇಸ್ ವೈಜ್ಞಾನಿಕ ಮತ್ತು ಸಂಶೋಧನಾ ಸಮುದಾಯಕ್ಕೆ ಉಪಯುಕ್ತವಾದ 100,000 ಎದೆಯ ಕ್ಷ-ಕಿರಣಗಳ ಚಿತ್ರಗಳು ಮತ್ತು ಸಂಬಂಧಿತ ಡೇಟಾವನ್ನು ಹೊಂದಿರುವ ಅತ್ಯಂತ ವ್ಯಾಪಕವಾದ ಸಾರ್ವಜನಿಕವಾಗಿ ಲಭ್ಯವಿರುವ ಡೇಟಾಸೆಟ್‌ಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಇದು ಮುಂದುವರಿದ ಶ್ವಾಸಕೋಶದ ಪರಿಸ್ಥಿತಿಗಳೊಂದಿಗೆ ರೋಗಿಗಳ ಚಿತ್ರಗಳನ್ನು ಸಹ ಹೊಂದಿದೆ.
ಡಿಜಿಟಲ್ ರೋಗಶಾಸ್ತ್ರದ ಅಟ್ಲಾಸ್
ಅಟ್ಲಾಸ್ ಆಫ್ ಡಿಜಿಟಲ್ ಪೆಥಾಲಜಿ ಹಲವಾರು ಹಿಸ್ಟೋಪಾಥೋಲಾಜಿಕಲ್ ಪ್ಯಾಚ್ ಚಿತ್ರಗಳನ್ನು ನೀಡುತ್ತದೆ, ಒಟ್ಟು 17,000 ಕ್ಕಿಂತ ಹೆಚ್ಚು, ವಿವಿಧ ಅಂಗಗಳ 100 ಟಿಪ್ಪಣಿ ಮಾಡಿದ ಸ್ಲೈಡ್‌ಗಳಿಂದ. ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ಮತ್ತು ಮಾದರಿ ಗುರುತಿಸುವಿಕೆ ಸಾಫ್ಟ್‌ವೇರ್ ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವಲ್ಲಿ ಈ ಡೇಟಾಸೆಟ್ ಉಪಯುಕ್ತವಾಗಿದೆ.
ದೃಶ್ಯ ಗುರುತಿಸುವಿಕೆ:
ಒಳಾಂಗಣ ದೃಶ್ಯ ಗುರುತಿಸುವಿಕೆ
ಇಂಡೋರ್ ಸೀನ್ ರೆಕಗ್ನಿಷನ್ ಎನ್ನುವುದು ಸುಮಾರು 15620 ವಸ್ತುಗಳು ಮತ್ತು ಒಳಾಂಗಣ ದೃಶ್ಯಾವಳಿಗಳ ಚಿತ್ರಗಳನ್ನು ಹೊಂದಿರುವ ಹೆಚ್ಚು ವರ್ಗೀಕರಿಸಿದ ಡೇಟಾಸೆಟ್ ಆಗಿದೆ, ಇದನ್ನು ಯಂತ್ರ ಕಲಿಕೆ ಮತ್ತು ಡೇಟಾ ತರಬೇತಿಯಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ. ಇದು 65 ಕ್ಕೂ ಹೆಚ್ಚು ವಿಭಾಗಗಳೊಂದಿಗೆ ಬರುತ್ತದೆ ಮತ್ತು ಪ್ರತಿ ವರ್ಗವು ಕನಿಷ್ಠ 100 ಚಿತ್ರಗಳನ್ನು ಹೊಂದಿದೆ.
xView
ಸಾರ್ವಜನಿಕವಾಗಿ ಲಭ್ಯವಿರುವ ಅತ್ಯುತ್ತಮ ಡೇಟಾಸೆಟ್‌ಗಳಲ್ಲಿ ಒಂದಾಗಿ, xView ವಿವಿಧ ಸಂಕೀರ್ಣ ಮತ್ತು ದೊಡ್ಡ ದೃಶ್ಯಗಳಿಂದ ಟನ್‌ಗಳಷ್ಟು ಟಿಪ್ಪಣಿ ಮಾಡಿದ ಓವರ್‌ಹೆಡ್ ಚಿತ್ರಣವನ್ನು ಒಳಗೊಂಡಿದೆ. ಸುಮಾರು 60 ತರಗತಿಗಳು ಮತ್ತು ಮಿಲಿಯನ್‌ಗಿಂತಲೂ ಹೆಚ್ಚು ವಸ್ತು ನಿದರ್ಶನಗಳನ್ನು ಹೊಂದಿರುವ ಈ ಡೇಟಾಸೆಟ್‌ನ ಉದ್ದೇಶವು ಉಪಗ್ರಹ ಚಿತ್ರಣವನ್ನು ಬಳಸಿಕೊಂಡು ಉತ್ತಮ ವಿಪತ್ತು ಪರಿಹಾರವನ್ನು ಒದಗಿಸುವುದು.
ಸ್ಥಳಗಳು
ಸ್ಥಳಗಳು, MIT ಕೊಡುಗೆ ನೀಡಿದ ಡೇಟಾ ಸೆಟ್, 1.8 ವಿಭಿನ್ನ ದೃಶ್ಯ ವಿಭಾಗಗಳಿಂದ 365 ಮಿಲಿಯನ್ ಚಿತ್ರಗಳನ್ನು ಹೊಂದಿದೆ. ಮೌಲ್ಯೀಕರಣಕ್ಕಾಗಿ ಈ ಪ್ರತಿಯೊಂದು ವರ್ಗದಲ್ಲಿ ಸುಮಾರು 50 ಚಿತ್ರಗಳು ಮತ್ತು ಪರೀಕ್ಷೆಗಾಗಿ 900 ಚಿತ್ರಗಳಿವೆ. ದೃಶ್ಯ ಗುರುತಿಸುವಿಕೆ ಅಥವಾ ದೃಶ್ಯ ಗುರುತಿಸುವಿಕೆ ಕಾರ್ಯಗಳನ್ನು ಸ್ಥಾಪಿಸಲು ಆಳವಾದ ದೃಶ್ಯ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಕಲಿಯುವುದು ಸಾಧ್ಯ.
ಮನರಂಜನೆ:
IMDB WIKI ಡೇಟಾಸೆಟ್
IMDB - ವಯಸ್ಸು, ಲಿಂಗ ಮತ್ತು ಹೆಸರುಗಳೊಂದಿಗೆ ಸಮರ್ಪಕವಾಗಿ ಲೇಬಲ್ ಮಾಡಲಾದ ಮುಖಗಳ ಅತ್ಯಂತ ಜನಪ್ರಿಯ ಸಾರ್ವಜನಿಕ ಡೇಟಾಬೇಸ್‌ಗಳಲ್ಲಿ ವಿಕಿ ಒಂದಾಗಿದೆ. ಇದು ಸುಮಾರು 20 ಸಾವಿರ ಸೆಲೆಬ್ರಿಟಿಗಳ ಮುಖಗಳನ್ನು ಹೊಂದಿದೆ ಮತ್ತು ವಿಕಿಪೀಡಿಯಾದಿಂದ 62 ಸಾವಿರವನ್ನು ಹೊಂದಿದೆ.
ಸೆಲೆಬ್ ಮುಖಗಳು
ಸೆಲೆಬ್ ಫೇಸಸ್ ಎಂಬುದು ಸೆಲೆಬ್ರಿಟಿಗಳ 200,000 ಟಿಪ್ಪಣಿ ಚಿತ್ರಗಳೊಂದಿಗೆ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಡೇಟಾಬೇಸ್ ಆಗಿದೆ. ಚಿತ್ರಗಳು ಹಿನ್ನೆಲೆ ಶಬ್ದ ಮತ್ತು ಭಂಗಿ ವ್ಯತ್ಯಾಸಗಳೊಂದಿಗೆ ಬರುತ್ತವೆ, ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ಕಾರ್ಯಗಳಲ್ಲಿ ತರಬೇತಿ ಪರೀಕ್ಷಾ ಸೆಟ್‌ಗಳಿಗೆ ಅವುಗಳನ್ನು ಮೌಲ್ಯಯುತವಾಗಿಸುತ್ತದೆ. ಮುಖದ ಗುರುತಿಸುವಿಕೆ, ಸಂಪಾದನೆ, ಮುಖದ ಭಾಗ ಸ್ಥಳೀಕರಣ ಮತ್ತು ಹೆಚ್ಚಿನವುಗಳಲ್ಲಿ ಹೆಚ್ಚಿನ ನಿಖರತೆಯನ್ನು ಸಾಧಿಸಲು ಇದು ಹೆಚ್ಚು ಪ್ರಯೋಜನಕಾರಿಯಾಗಿದೆ.
ಈಗ ನೀವು ನಿಮ್ಮ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಯಂತ್ರಗಳಿಗೆ ಇಂಧನ ತುಂಬಲು ತೆರೆದ ಮೂಲ ಇಮೇಜ್ ಡೇಟಾಸೆಟ್‌ಗಳ ಬೃಹತ್ ಪಟ್ಟಿಯನ್ನು ಹೊಂದಿರುವಿರಿ. ನಿಮ್ಮ AI ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆಯ ಮಾದರಿಗಳ ಫಲಿತಾಂಶವು ಪ್ರಾಥಮಿಕವಾಗಿ ನೀವು ಆಹಾರ ಮತ್ತು ತರಬೇತಿ ನೀಡುವ ಡೇಟಾಸೆಟ್‌ಗಳ ಗುಣಮಟ್ಟವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ. ನಿಮ್ಮ AI ಮಾದರಿಯು ನಿಖರವಾದ ಮುನ್ನೋಟಗಳನ್ನು ನೀಡಬೇಕೆಂದು ನೀವು ಬಯಸಿದರೆ, ಅದಕ್ಕೆ ಗುಣಮಟ್ಟದ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸಿ, ಟ್ಯಾಗ್ ಮಾಡಲಾಗಿದೆ ಮತ್ತು ಪರಿಪೂರ್ಣತೆಗೆ ಲೇಬಲ್ ಮಾಡಬೇಕಾಗಿದೆ. ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ವ್ಯವಸ್ಥೆಯ ಯಶಸ್ಸನ್ನು ವರ್ಧಿಸಲು, ನಿಮ್ಮ ಯೋಜನೆಯ ದೃಷ್ಟಿಗೆ ಸಂಬಂಧಿಸಿದ ಗುಣಮಟ್ಟದ ಚಿತ್ರ ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ನೀವು ಬಳಸಬೇಕು. ನೀವು ಅಂತಹ ಹೆಚ್ಚಿನ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ಹುಡುಕುತ್ತಿದ್ದರೆ ಇಲ್ಲಿ ಒತ್ತಿ
