2D/RGB数据集
图像语义分割多数都是针对二维的图像进行过，所以2D 数据集是数据集类别最多的，这里2D包括RGB彩色与灰度图像。
PASCAL Visual Object Classes(VOC)数据集
PASCAL VOC数据集支持五种不同的视觉任务训练包括图像分类、对象检测、图像分割、行为分类、人体Layout。分割是预测图像种每个像素属于哪个类别的任务，VOC数据集总计有21个类别(包括背景)。分割数据集被分为训练与测试两个子集，分别有1464与1449张图像。
PASCAL Context数据集
它是PASCAL VOC 2010数据集的扩展，包含10103张基于像素级别标注的训练图像，它包含总数540个类别，其中59个类别是常见类别，被大量标注，整个类别图像的数据符合幂次法则分布。
SBD (Semantic Boundaries Dataset)数据集
它的数据来自那些在PASCAL VOC中没有被语义分割标注的图像数据，总计有11355张图像来自PASCAL VOC 2011，实现了两个层级的标注分布是种类/类别与实例对象分割，其中8498张为训练集，2857张为测试集。
COCO(Microsoft Common Objects in Context)数据集
是微软发布的图像分类、对象检测、实例分割、图像语义的大规模数据集，其中图像分割部分有80分类，82783张训练图像、40504张验证图像，测试集好感80000张图像，而且测试集本身被分为四种不同测试数据，分别应对开发测试、标准测试、评估挑战、过拟合测试。
Cityscapes
一个大规模的城市道路与交通语义分割数据集，8大类别30种类的像素级别标注，数据集包含5000张精准标注的图像，20000张标注图像。数据收集来自50多个城市，前后花了几个月的时间，对这个时间线与天气下的场景都进行图像采集，最初原始的数据是视频方式，通过人工选择视频帧，得到最终的数据。整个数据集支持三个级别的分割性能评估
像素级别分割
实例级别分割
全景级别分割
其中数据采集的城市地图如下：
精准标注的图像
粗糙标注的图像
所有数据组与类别列表如下
CamVid
是来自剑桥的道路与驾驶场景图像分割数据集，图像数据来自视频帧提取，原始分辨率大小为960x720，包括32个类别。分为367张训练图像，100张验证图像，233张测试图像。
KITTI
自动驾驶最常用的一个数据集，数据采集来自高分辨RGB、灰度立体相机，3D激光扫描等。但是数据集本身不包括标注的ground truth分割（一般人用不起），网上有很多研究机构部分标注的数据集可以下载！
Youtube-Objects
数据收集来自Youtube视频网站，分类是PASCAL VOC其中10个子分类包括(aeroplane, bird, boat, car, cat, cow, dog, horse, motorbike, and train) ，数据集没有被标注，但是有个好人手动标注了一些，他对视频序列每十帧标注一帧，总计对480x360视频数据的10167帧数据进行了标注。
Adobe’s Portrait Segmentation
它是一个人体肖像分割数据集，图像分辨率为800x600数据来自Flickr，多数数据是来自手机前置相机拍照的生成。数据集包含1500张训练图像，300张测试图像，全部被标注了，人与背景的分类，图像标注的时候采用了半自动的标注方式。先通过程序进行人脸检测，然后人工手动PS生成。
Materials in Context (MINC)
Densely-Annotated VIdeo Segmentation (DAVIS)
该数据集主要是视频中对象分割数据，目的是适应实时动态视频语义分割挑战。主要有50段视频序列构成，其中4219帧是训练数据，2013帧是验证数据，所有的视频数据都下采样至480P大小，像素级别的对每帧数据标注四个类别，分别是人、动物、车辆、对象。视频的另外一个特征是每帧至少有一个前景目标对象在视频帧中出现。
Stanford background
该数据集是室外场景数据集，主要数据来自LabelMe、MSRC、PASCAL VOC、Geometric Context公开数据集。数据集包含715张至少有一个前景对象图像，进行了像素级别的图像标注。主要用于评估分割模型的语义场景理解。
SiftFlow
包含2688完全标注的图像，是LabelMe数据集的子集。绝大数图像是室外八种场景，33个类别，256x256大小。
ADE20K
*.jpg表示RGB图像
*_seg.png表示对象分割mask图像，既包括实例mask也包括类别mask信息，其中通道R与G被编码成对象mask，通道B被编码成实例mask。
*_seg_parts_N.png 表示部分分割mask
*.txt表述每个分割图像的对象与parts的冗余信息文本文件
上述的这些图像语义分割数据集都是2D图像语义分割模型训练、评估、测试经常是使用的一些基准数据集。
独家重磅课程！
1、机器人导航运动规划： 运动规划和SLAM什么关系？
2、详解Cartographer： 谷歌开源的激光SLAM算法Cartographer为什么这么牛X？
3、深度学习三维重建 详解深度学习三维重建网络：MVSNet、PatchMatchNet、JDACS-MS
4、三维视觉基础 详解视觉深度估计算法（单/双目/RGB-D+特征匹配+极线矫正+代码实战）
5、视觉SLAM必备基础 SLAM的第一个实践，最适合学哪个开源框架 ？
6、 VINS:Mono+Fusion SLAM面试官：看你简历上写精通VINS，麻烦现场手推一下预积分！
7、VIO进阶：ORB-SLAM3（单/双目/RGBD+鱼眼+IMU紧耦合+多地图+闭环）独家70+讲全部上线！
8、图像三维重建课程：视觉几何三维重建教程（第2期）：稠密重建，曲面重建，点云融合，纹理贴图
9、重磅来袭！基于LiDAR的多传感器融合SLAM 系列教程：LOAM、LeGO-LOAM、LIO-SAM
10、系统全面的相机标定课程：单目/鱼眼/双目/阵列 相机标定：原理与实战
全国最棒的SLAM、三维视觉学习社区↓
技术交流微信群
投稿、合作也欢迎联系：simiter@126.com
扫描关注视频号，看最新技术落地及开源方案视频秀 ↓
— 版权声明 —
本公众号原创内容版权属计算机视觉life所有；从公开渠道收集、整理及授权转载的非原创文字、图片和音视频资料，版权属原作者。如果侵权，请联系我们，会及时删除。返回搜狐，查看更多