什么是语义分割及语义分割数据集

语义分割是计算机视觉中的基本任务，在语义分割中我们需要将视觉输入分为不同的语义可解释类别，「语义的可解释性」即分类类别在真实世界中是有意义的。例如，我们可能需要区分图像中属于汽车的所有像素，并把这些像素涂成蓝色。

图片来源：网络

虽然像聚类这样的无监督方法可以用于分割，但其结果不一定是有语义的。这些方法无法对它们训练的类进行细分，但是在搜索区域界限方面更加擅长。

与图像分类或目标检测相比，语义分割使我们对图像有更加细致的了解。这种了解在诸如自动驾驶、机器人以及图像搜索引擎等许多领域都是非常重要的。

语义分割数据集

数据堂目前有一些常用于训练语义分割模型的数据集：

807人5.4万张黄种人全年龄人脸多姿态图像

144段26小时街景视频采集数据_街景图片标注10,973张

117段地铁街道监控视频数据_15,621张图像标注数据

117段地铁街道监控视频数据_6.6万张行人图像标框抠图数据

53万张街景图片_2.6万张道路线精细标注数据

58张街景全品类精标数据

50,155张人脸抠图数据

43,408张人体抠图及关键点数据

62,320张106点人脸关键点数据（正常场景）

50,023张人体服饰分割数据

11,432张印度人脸106点标注数据

423人34,748张3D人体实例分割及人体22关键点 & 2D手势识别采集标注数据

以上数据多用于智能驾驶、人证比对、手机娱乐等场景。