- 组长:黄骏言
- 组员:杨兆兴, 周俊诚, 王会博, 罗仰
- 指导老师:胡静
- CAMO:CAMO包含1250张图片(训练集1000张,测试集250张)。CAMO数据集可以粗略地分为自然伪装和人工伪装两种情况。自然伪装动物包括两栖动物、鸟类、昆虫、哺乳动物、爬行动物和各种环境中的水下动物。自然伪装背景包括水下、沙漠、森林、山和雪等复杂的场景。而人工伪装则包括人体绘画艺术和军事伪装迷彩等。
- CHAMELEON:CHAMELEON仅包含76张图像,手工标注了对象级的真值图(GTs)。这些图像是以“伪装的动物”为关键字,通过谷歌搜索引擎收集的。因为数据集图片数量较少,一般作为测试集。
- COD-10K:包含10,000张图片(5,066张伪装图片,3,000张背景图片,1,934张非伪装图片),分为10个超级类,以及78个子类(69伪装,9非伪装),其中伪装图像3040张作为训练集,2026张作为测试集。这些图像来源于多个摄影学网站,主要是Flickr网站。为了避免选择偏差,还从Flickr上收集了3000张显著图像。为了进一步丰富负样本,又从互联网上选取了1934幅非伪装图像,包括森林、雪、草原、天空、海水等类别的背景场景。最新更新的v3版本除了对象基本的分割标注,还提供了类别标签、实例级别的标注以及coco格式的检测框和分割标注,可以进一步作为检测和识别的数据集。COD-10K下载地址:https://dengpingfan.github.io/pages/COD.html
- imagenet1K_selected中包含了ImageNet-1K中所有和COD-10K类别匹配的图片. ImageNet-1K下载地址:https://www.kaggle.com/c/imagenet-object-localization-challenge/data
- COD-ImageNet.json中记录ImageNet-1K 和 COD-10K 的类别匹配结果,imagenet_selection.py程序从ImageNet-1K中筛选JPG文件生成Imagenet1K_selected