夜間（低光照）目標(biāo)檢測(cè)數(shù)據(jù)集整理：人臉檢測(cè)，行人檢測(cè)
1.夜間（低光照）人臉檢測(cè)的數(shù)據(jù)集
DARK FACE: Face Detection in Low Light Condition
提供了6000幅真實(shí)世界的低光圖像，在夜間捕獲，在教學(xué)樓、街道、橋梁、立交橋、公園等，所有標(biāo)記的邊界框的人臉，作為主要的訓(xùn)練和/或驗(yàn)證集。我們還提供了9000張同樣環(huán)境下采集的未標(biāo)記弱光圖像。此外，我們提供了一組獨(dú)特的789對(duì)在可控的真實(shí)光照條件下捕獲的弱光/正常光圖像(但不必要地包含人臉)，可以作為參與者離散化時(shí)訓(xùn)練數(shù)據(jù)的一部分。屆時(shí)將會(huì)有一組4000張弱光圖像的測(cè)試，帶有人臉邊框標(biāo)注。
數(shù)據(jù)集地址：Dark face
2.夜間（低光照）行人檢測(cè)的數(shù)據(jù)集
NightOwls dataset ：Pedestrians at night
4種類(lèi)別： Pedestrians, Bicycledriver ，Motorbikedriver, Ignore areas
圖像多樣性
數(shù)據(jù)集地址：NightOwls
3.夜間（低光照）目標(biāo)檢測(cè)的數(shù)據(jù)集
Exclusively Dark dataset：
數(shù)據(jù)集地址： Exclusively-Dark-Image-Dataset
審核編輯 黃宇
聲明：本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
人臉檢測(cè)
+關(guān)注
關(guān)注
0文章
86瀏覽量
16732 -
數(shù)據(jù)集
+關(guān)注
關(guān)注
4文章
1222瀏覽量
25229
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
RV1126 實(shí)現(xiàn)人臉檢測(cè)方案
基于RV1126開(kāi)發(fā)板實(shí)現(xiàn)人臉檢測(cè)方案，充分體現(xiàn)了電子方面的實(shí)踐經(jīng)驗(yàn)和目標(biāo)檢測(cè)技術(shù)。
快速部署！米爾全志T527開(kāi)發(fā)板的OpenCV行人檢測(cè)方案指南
、行人檢測(cè)概論使用HOG和SVM基于全志T527開(kāi)發(fā)板構(gòu)建行人檢測(cè)器的關(guān)鍵步驟包括：
準(zhǔn)備訓(xùn)練數(shù)據(jù)集
發(fā)表于 04-11 18:14
使用OpenVINO?模型的OpenCV進(jìn)行人臉檢測(cè)，檢測(cè)到多張人臉時(shí)，伺服電機(jī)和步入器電機(jī)都發(fā)生移動(dòng)是為什么？
使用OpenVINO?模型的 OpenCV* 進(jìn)行人臉檢測(cè)。
使用 cv2.矩形 函數(shù)，能夠獲取檢測(cè)到的面部的坐標(biāo)。
檢測(cè)到多張人臉時(shí)，多
發(fā)表于 03-07 06:35
請(qǐng)問(wèn)是否可以使用單個(gè)輸入圖像運(yùn)行人臉檢測(cè)MTCNN Python演示？
是否可以使用單個(gè)輸入圖像運(yùn)行人臉檢測(cè) MTCNN Python* 演示？
發(fā)表于 03-06 08:15
《DNK210使用指南 -CanMV版 V1.0》第四十四章 人臉68關(guān)鍵點(diǎn)檢測(cè)實(shí)驗(yàn)
maix.KPU模塊的介紹，請(qǐng)見(jiàn)第39.1小節(jié)《maix.KPU模塊介紹》。44.2 硬件設(shè)計(jì)44.2.1 例程功能1. 獲取攝像頭輸出的圖像，并送入KPU進(jìn)行人臉檢測(cè)，接著對(duì)檢測(cè)到的人臉
發(fā)表于 11-18 14:28
如何用OpenCV的相機(jī)捕捉視頻進(jìn)行人臉檢測(cè)--基于米爾NXP i.MX93開(kāi)發(fā)板
功能，首先要進(jìn)行人臉檢測(cè)，判斷出圖片中人臉的位置，才能進(jìn)行下一步的操作。
OpenCV人臉檢測(cè)方法
在OpenCV中主要使用了兩種特征（即兩
發(fā)表于 11-15 17:58
目標(biāo)檢測(cè)與識(shí)別技術(shù)有哪些
目標(biāo)檢測(cè)與識(shí)別技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究方向，廣泛應(yīng)用于安全監(jiān)控、自動(dòng)駕駛、醫(yī)療診斷、工業(yè)自動(dòng)化等領(lǐng)域。 目標(biāo)檢測(cè)與識(shí)別技術(shù)的基本概念 目標(biāo)
目標(biāo)檢測(cè)與識(shí)別技術(shù)的關(guān)系是什么
目標(biāo)檢測(cè)與識(shí)別技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域的兩個(gè)重要研究方向，它們之間存在著密切的聯(lián)系和相互依賴的關(guān)系。 一、目標(biāo)檢測(cè)與識(shí)別技術(shù)的概念 目標(biāo)
基于深度學(xué)習(xí)的小目標(biāo)檢測(cè)
在計(jì)算機(jī)視覺(jué)領(lǐng)域，目標(biāo)檢測(cè)一直是研究的熱點(diǎn)和難點(diǎn)之一。特別是在小目標(biāo)檢測(cè)方面，由于小目標(biāo)在圖像中所占比例小、特征不明顯，使得
人臉檢測(cè)模型的精確度怎么算
人臉檢測(cè)模型的精確度評(píng)估是一個(gè)復(fù)雜的過(guò)程，涉及到多個(gè)方面的因素。本文將從以下幾個(gè)方面進(jìn)行介紹：人臉檢測(cè)模型的基本概念、評(píng)估指標(biāo)、評(píng)估方法、影響因素以及提高精確度的策略。
人臉檢測(cè)模型有哪些
： Viola-Jones 算法 Viola-Jones 算法是一種基于 Haar 特征和 AdaBoost 算法的人臉檢測(cè)方法。它通過(guò)訓(xùn)練一個(gè)級(jí)聯(lián)分類(lèi)器來(lái)實(shí)現(xiàn)人臉檢測(cè)。該算法具有實(shí)時(shí)
人臉檢測(cè)和人臉識(shí)別的區(qū)別是什么
人臉檢測(cè)和人臉識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域的兩個(gè)重要技術(shù)，它們?cè)谠S多應(yīng)用場(chǎng)景中都有廣泛的應(yīng)用，如安全監(jiān)控、身份驗(yàn)證、社交媒體等。盡管它們?cè)谀承┓矫嬗邢嗨浦?，但它們之間存在一些關(guān)鍵的區(qū)別。本文將詳細(xì)介紹
人臉檢測(cè)的五種方法各有什么特征和優(yōu)缺點(diǎn)
來(lái)實(shí)現(xiàn)人臉檢測(cè)。這種方法通常使用膚色模型來(lái)描述人臉膚色的分布，然后通過(guò)膚色模型與圖像像素的匹配程度來(lái)判斷是否為人臉。 優(yōu)點(diǎn)： 計(jì)算簡(jiǎn)單，實(shí)現(xiàn)容易。 對(duì)于膚色分布較為均勻的圖像，
人臉檢測(cè)與識(shí)別的方法有哪些
人臉檢測(cè)與識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域中的一個(gè)重要研究方向，具有廣泛的應(yīng)用前景，如安全監(jiān)控、身份認(rèn)證、智能視頻分析等。本文將詳細(xì)介紹人臉檢測(cè)與識(shí)別的方法。 引言
工商網(wǎng)監(jiān)
評(píng)論