可思数据-人工智能媒体资讯平台！

综合汽车（CompCars）数据集

copyright dedecms

新闻

2015-09-25监视自然图像在下载链接中以“sv_data。*”发布。下载所有此类文件，然后使用与Web-nature数据相同的密码解压缩它们。我们还对这部分数据进行了细粒度分类实验。结果在arXiv论文中提供。

2015-06-30作为我们CVPR论文的扩展，我们使用整个数据集和不同的深度模型进行细粒度汽车分类，属性预测和汽车验证的实验。有关详细信息，请参阅arXiv文章。列车/测试拆分可以在这里下载。经过微调的GoogLeNet模型被上传到Caffe Model Zoo。 内容来自dedecms

2015-05-16 CompCars首次发布，监控自然图像仍处于组织状态，不久将发布。

内容来自dedecms

描述

该数据集载于我们的CVPR 2015论文，
Linjie Yang，Ping Luo，Chen Change Loy，Xiaoou Tang。用于细粒度分类和验证的大规模汽车数据集，计算机视觉和模式识别（CVPR），2015年。PDF

综合汽车（CompCars）数据集包含来自两个场景的数据，包括来自网络性质和监视性质的图像。网络自然数据包含163辆汽车，1,716辆车型。共有136,726张图像捕获整个汽车，27,618张图像捕捉汽车零件。完整的汽车图像标有边界框和视点。每个车型都标有五个属性，包括最大速度，排量，车门数量，座椅数量和汽车类型。监视性质数据包含在前视图中捕获的50,000个汽车图像。有关详细信息，请参阅我们的论文。

该数据集为以下计算机视觉任务做好了充分准备： 织梦内容管理系统

• 细粒度分类
• 属性预测
• 汽车模型验证

我们论文中介绍的这些任务的训练/测试子集包含在数据集中。研究人员也欢迎将其用于任何其他任务，如图像排名，多任务学习和3D重建。 织梦内容管理系统

注意

1. 您需要完成发布协议表单才能下载数据集。请看下面。
2. CompCars数据库仅用于非商业研究目的。
3. CompCars数据库的所有图像均来自互联网，不属于MMLAB，香港中文大学。MMLAB不对这些图像的内容和含义负责。
4. 您同意不会出于任何商业目的复制，复制，复制，出售，交易，转售或利用图像的任何部分以及衍生数据的任何部分。
5. 您同意不进一步复制，发布或分发CompCars数据库的任何部分。除了在同一组织内的单个站点内部使用外，允许制作数据库的副本。
6. MMLAB保留随时终止您访问数据库的权利。
7. 所有使用CompCars数据库提交的论文或任何公开文本都必须引用以下文章：
   Linjie Yang，Ping Luo，Chen Change Loy，Xiaoou Tang。用于细粒度分类和验证的大规模汽车数据集，计算机视觉和模式识别（CVPR），2015年。

下载地址：    提取码: 7vhs