Fisheye Evaluation Suite
FES ist ein Indoor-Datensatz, der für die Evaluierung von Deep Learning Ansätzen verwendet werden kann und ist Teil der Veröffentlichung THEODORE, die bei der WACV akzeptiert wurde.
Bei Interesse wenden Sie sich bitte per E-Mail an: roman.seidel@…
Datensatzdetails
- Auflösung
- 1680 x 1680 Pixel
- Anzahl der Bilder
- 301
- Klassen
- 6 - Sessel, TV, Tisch, Stuhl, Person, Gehhilfe auf Rädern
- Segmentierungsmasken
- Ja
- Bounding Boxes
- Ja
Wenn Sie den Datensatz in Ihrer Arbeit verwenden, bitte folgende Referenz nicht vergessen:
@inproceedings{scheck2020theodore, title={Learning from THEODORE: A Synthetic Omnidirectional Top-View Indoor Dataset for Deep Transfer Learning}, author={Tobias Scheck and Roman Seidel and Gangolf Hirtz}, booktitle={2020 IEEE Winter Conference on Applications of Computer Vision (WACV)}, year={2020} }