Ruralscapes

我们收集了 20 部描绘农村地区的高质量 4K 视频。 Ruralscapes 包括各种景观、不同高度的不同飞行场景和跨越广泛尺度的物体。视频序列长度从 11 秒到 2 分 45 秒不等。该数据集由 17 分钟的无人机飞行组成，共有 50,835 个完全注释的帧，分为 12 个类别。其中有 1,047 个是手动注释的，每秒一次。据我们所知，它是最大的真实无人机视频语义分割数据集。
标签提供了很好的细节水平，但是由于小物体的空间分辨率降低，准确的分割很困难。由于数据集的性质，某些类别（例如 haystack）非常小，而其他类别（例如人）也具有特写镜头。手动标记是一个耗时的过程。根据来自 Liceul "Petru Cercel" din Targoviste 的 21 名志愿者的反馈，他们对数据集进行了分割，他们平均需要 45 分钟来标记整个帧。这意味着分割手动标记的 1,047 帧需要 846 小时。