可以用于语义分割的公开文本数据集有哪些

以下是一些常用的可用于语义分割的公开文本数据集：

1. Pascal VOC：该数据集包含20个对象类别的图像，主要用于对象检测和语义分割。

2. COCO：该数据集包含超过33万张图像，涵盖80个对象类别，主要用于对象检测、分割和关键点检测。

3. Cityscapes：该数据集包含来自大约50个城市的5000张高分辨率图像，用于道路场景分析，包括车辆、行人和建筑。

4. ADE20K：该数据集包含来自Scene Parsing Challenge的20210张图像，涵盖150个类别，包括天空、草地、建筑、人、动物等。

5. ImageNet：该数据集包含来自1000个类别的超过1400万张图像，主要用于图像分类和对象检测。

6. Labeled Faces in the Wild：该数据集包含超过13000张人脸图像，主要用于人脸识别和属性分类。

以上数据集在语义分割领域都有广泛应用，并且都是公开可用的。

相关问题

文字语义分割数据集有哪些

以下是一些常用的文字语义分割数据集：

1. COCO-Text: 该数据集包含超过63,000个文本实例，分布在近20,000张图像中。每个文本实例都有其对应的位置和标签。

2. ICDAR: ICDAR（International Conference on Document Analysis and Recognition）是一个专门用于文档分析和识别的国际会议。其数据集包含多种类型的文本，包括手写和印刷体。

3. SynthText: SynthText是一个基于合成的数据集，其中包含了一些具有挑战性的场景，如弯曲的文本和遮挡的文本等。

4. Total-Text: Total-Text数据集包含13,000个文本实例，分布在1255张图像中。它包含各种类型的文本，如水平，竖直和曲线文本等。

5. MSRA-TD500: MSRA-TD500是一个针对场景文本检测和识别的数据集。它包含500张图像，其中包含了多种类型的文本。

6. Street View Text: Street View Text是一个专门用于街景文本检测和识别的数据集，其中包含数百万个文本实例，分布在数百万张图像中。

这些数据集都是公开可用的，可以帮助研究人员和开发者训练和测试自己的文字语义分割模型。