PyTorch中MIT ADE20K数据集上的语义分割这是MIT ADE20K场景解析数据集（http://sceneparsing.csail.mit.edu/）上语义分割模型的PyTorch实现。 ADE20K是PyTorch中MIT ADE20K数据集上最大的开源语义分割。这是MIT ADE20K场景解析数据集（http://sceneparsing.csail.mit.edu/）上语义分割模型的PyTorch实现。 ADE20K是由MIT计算机视觉团队发布的最大的用于语义分割和场景解析的开源数据集。 请通过以下链接在Caffe和Torch7上找到我们的数据集和实施的存储库：https://github.com/CSAILVision/sceneparsing如果您只是想玩我们的

ADE20k数据集每个实例对应得颜色文件

ADE20K 2016数据集，因官网下载时网速较慢，专门在此提供已经下载好的数据集，希望有利于各位的研究。

ADE20K数据集 这是的存储库。 我们提供了有关数据集的一些信息，并提供了用于探索数据的。 概述 ADE20K由来自SUN和Places数据库的27K图像组成。 图像完全用对象注释，跨越3K对象类别。 许多图像还包含对象部分和部分部分。 我们还提供了原始带注释的多边形，以及用于模态分割的对象实例。 图像也被匿名化，使人脸和车牌模糊。 数据集统计 数据集的当前版本包含： 涵盖365个不同场景的27,574张图像（用于训练的25,574张图像和用于测试的2,000张图像）。 来自3688个类别的707868个唯一对象，以及它们的WordNet定义和层次结构。 193,238带注释的对象零件和零件零件。 具有属性，注释时间，深度顺序的多边形注释。 探索数据集 虽然您需要才能访问数据集，但我们在数据集中提供了一个小的子datasets ，以便您熟悉结构。 我们还提供了一个index_a