CamVid(The Cambridge-driving Labeled Video Database)数据集，解压密码：camvid

pascalVoc数据集baidupan

本文来自于个人博客，这篇文章讲述卷积神经网络在图像语义分割（semanticimagesegmentation）的应用。图像分割这项计算机视觉任务需要判定一张图片中特定区域的所属类别。更具体地说，图像语义分割的目标是将图像的每个像素所属类别进行标注。因为我们是预测图像中的每个像素，这个任务通常被称为密集预测（denseprediction）。需要注意的一点是我们不对同一类的实例进行分离;我们只关心每个像素的类别。换句话说，如果输入图像中有两个相同类别的对象，则分割图本身并不一定将它们区分为单独的对象。存在另外一类不同的模型，称为实例分割（instancesegmentation）模型，其将分离

语义分割是一种典型的计算机视觉问题，其涉及将一些原始数据（例如，平面图像）作为输入并将它们转换为具有突出显示的感兴趣区域的掩模。许多人使用术语全像素语义分割（full-pixel semantic segmentation），其中图像中的每个像素根据其所属的感兴趣对象被分配类别ID。

使用Katz投影将点云投影到2D虚拟图像中。然后我们使用预先训练的卷积神经网络对图像进行语义分割。为了获得语义分割的点云，我们将分数从分段投影回点云。我们的方法是在semantic3D数据集上进行评估的。我们发现我们的方法与最先进的技术相当，没有对Semantic3D数据集进行任何微调。

数字图像语义分割算法：综述

halcon深度学习语义分割标注工具V1.0.0.1.rar(更新，绝对没有次数限制，免费！！！) 1、环境：halcon18.11，windows 64bit 2、功能：替代halcon代码式语义分割工具，增强使用方便性 3、记得每次退出标注前要点击‘全保存’按钮 4、如果谁要源码，10元rmb(辛苦费而已)，软件有二维码 5、halcon深度学习语义分割标注工具V1.0.0.1

一个基于libtorch（pytorch c ++）的c ++可训练语义分割库。 骨干网：ResNet，ResNext。 架构：到目前为止，FPN，U-Net，PAN，LinkNet，PSPNet，DeepLab-V3，DeepLab-V3 +。 英文| 基于LibTorch的带有神经网络的C ++库，用于图像分割。 :star:如果这个项目对您有帮助，请给个星。 :star:这个库的主要特点是：高级API（仅是创建神经网络的一行）7种用于二进制和多类分割的模型架构（包括传奇的Unet）7种可用的编码器所有编码器均具有经过预先训练的权重，以实现更快，更好的编码与pytorch cuda相比，收敛速度提高了35％或更多，

Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation

数据说明 针对一组模型的各种摆放，并提供不同材质/灯光/视角下的各通道结果 桌面物体随机摆放;不同材质,不同视角,不同光照; 输出 RGBD + Normal + Semantic / Instance