MINC
收藏OpenCSG2024-03-27 更新2026-01-19 收录
下载链接：
https://opencsg.com/datasets/OpenDataLab/MINC?tab=summary
下载链接
链接失效反馈官方服务：
资源简介：
MINC 比以前的材料数据库大一个数量级，同时在其 23 个类别中更加多样化和良好采样。使用 MINC，我们为两个任务训练卷积神经网络 (CNN)：从补丁中分类材料，以及在完整图像中同时识别和分割材料。对于 MINC 上基于补丁的分类，我们发现性能最好的 CNN 架构可以达到 85.2% 的平均分类准确率。我们将这些经过训练的 CNN 分类器转换为一个高效的全卷积框架，并结合全连接条件随机场 (CRF) 来预测图像中每个像素的材料，实现 73.1% 的平均类准确率。我们的实验表明，拥有像 MINC 这样的大型、良好采样的数据集对于现实世界的材料识别和分割至关重要。
提供机构：
OpenDataLab
创建时间：
2024-03-27
