KWG2024

KWG2024是一个用于厨房废物分类场景的2D grasping RGB-D数据集。该数据集包含10种常见的厨房废物分类对象，使用Kinect V2和Realsense D455相机采集，共有2,167张相对干净的背景图像和949张复杂背景图像。数据集还包括2,721个辅助标注和18,059个基于人类经验的抓取标注。

KWG2024 is a 2D grasping RGB-D dataset tailored for kitchen waste classification scenarios. It contains 10 common kitchen waste classification objects, collected using Kinect V2 and Realsense D455 cameras. The dataset includes 2,167 relatively clean-background images and 949 complex-background images, as well as 2,721 auxiliary annotations and 18,059 grasping annotations based on human experience.

原始信息汇总

KWG2024 数据集概述

数据集简介

• 场景：厨房垃圾分拣场景的二维抓取RGB-D数据集。
• 论文：相关论文为《An Efficient Generative Intelligent Multi-Objective Grasping Model for Kitchen Waste Sorting》，作者为Songyun Deng, Ruiyuan Pei, Li Zhou, Hai Qin, Wei Sun, 和 Qiaokang Liang，目前正在同行评审中。

数据内容

• 图像来源：使用Kinect V2和Realsense D455相机拍摄。
• 对象类型：包含10种常见的厨房垃圾分拣对象，包括塑料瓶、塑料盒、纸盒、纸杯、金属瓶、玻璃瓶、陶瓷杯、木块、泡沫和其他。
• 图像数量：
  • 2,167张RGB-D图像，背景相对干净，使用Kinect V2相机拍摄。
  • 949张RGB-D图像，背景脏乱复杂，使用Realsense D455相机拍摄。
• 图像校准：对两台相机进行了校准，以减少图像畸变并使RGB图像与深度图像对齐。

标注信息

• 标注工具：基于grasp-rectangle-labelling tool进行适配。
• 标注内容：包含2,721个辅助标注和18,059个基于人类经验的抓取标注，标注标准参考了Cornell数据集。

数据集状态

• 发布状态：由于相关论文正在同行评审中，目前仅发布数据集的一个子集。

许可证

• 许可证类型：Creative Commons Attribution 4.0 International License。
• 许可证链接：CC BY 4.0

搜集汇总

数据集介绍

构建方式

在厨房废物分类场景中，KWG2024数据集通过Kinect V2和Realsense D455相机捕捉原始图像，涵盖了10种常见的分类对象，包括塑料瓶、塑料盒、纸盒等。数据集包括2,167张在相对干净背景下的RGB-D图像和949张在脏乱复杂背景下的RGB-D图像。前者由Kinect V2相机拍摄，后者由Realsense D455相机拍摄。此外，通过校准两台相机，利用导出的参数减少图像畸变，并使RGB图像与深度图像对齐。数据集还包括2,721个辅助注释和18,059个基于人类经验的抓取注释，这些注释遵循Cornell数据集的标注标准。

特点

KWG2024数据集的显著特点在于其多样化的背景设置和高质量的图像对齐。数据集不仅包括在干净背景下的图像，还特别捕捉了在脏乱复杂背景下的图像，这为算法在不同环境下的鲁棒性测试提供了丰富的数据支持。此外，数据集中的注释不仅包括标准的Cornell数据集注释，还引入了定制的辅助注释，增强了数据集在实际应用中的实用性。

使用方法

使用KWG2024数据集时，研究者可以利用其丰富的RGB-D图像和详细的注释信息，进行厨房废物分类场景下的抓取模型训练和验证。数据集的图像对齐和校准处理确保了深度信息与RGB图像的精确匹配，从而提高了模型训练的准确性。此外，数据集的辅助注释和人类经验注释为研究者提供了多层次的注释信息，有助于开发更智能和高效的抓取算法。

背景与挑战

背景概述

KWG2024数据集是由Songyun Deng、Ruiyuan Pei、Li Zhou、Hai Qin、Wei Sun和Qiaokang Liang等研究人员创建的，专注于厨房废物分类场景中的二维抓取任务。该数据集的构建旨在支持高效生成智能多目标抓取模型的发展，目前相关研究论文正在同行评审中。KWG2024数据集包含了由Kinect V2和Realsense D455相机捕获的2,167张RGB-D图像，这些图像在相对干净的背景下拍摄，以及949张在复杂背景下的RGB-D图像。此外，数据集还包括2,721个辅助标注和18,059个基于人类经验的抓取标注，这些标注遵循Cornell数据集的标准。通过精确的相机校准，数据集确保了RGB图像与深度图像的准确对齐，从而为厨房废物分类领域的研究提供了高质量的数据支持。

当前挑战

KWG2024数据集在构建过程中面临多项挑战。首先，捕获高质量的RGB-D图像需要在不同背景下进行，这要求相机校准和图像对齐技术的高度精确。其次，数据集的标注工作复杂，涉及大量的辅助标注和基于人类经验的抓取标注，这需要高效的标注工具和标准化的标注流程。此外，由于相关研究论文仍在评审中，数据集的发布仅限于部分内容，这限制了其在实际研究中的广泛应用。这些挑战不仅影响了数据集的完整性和可用性，也对厨房废物分类领域的研究进展提出了更高的技术要求。

常用场景

经典使用场景

在厨房废物分类场景中，KWG2024数据集展现了其在2D抓取任务中的经典应用。该数据集通过Kinect V2和Realsense D455相机捕捉的RGB-D图像，涵盖了10种常见的厨房废物类型，包括塑料瓶、纸盒和金属瓶等。这些图像不仅在相对干净的背景下拍摄，还在复杂和脏乱的环境中进行，从而提供了丰富的视觉信息。通过这些数据，研究人员可以训练和验证高效的生成智能多目标抓取模型，以实现精确的废物分类和处理。

解决学术问题

KWG2024数据集在学术研究中解决了多目标抓取和复杂环境下的物体识别问题。通过提供高质量的RGB-D图像和详细的标注，该数据集帮助研究人员开发和优化基于视觉的抓取算法，特别是在厨房废物分类这一特定领域。这不仅推动了计算机视觉和机器人技术的发展，还为实际应用中的自动化废物处理提供了理论支持和技术基础。

衍生相关工作

基于KWG2024数据集，研究人员开发了多种相关的经典工作。例如，一些研究团队利用该数据集训练了高效的生成智能多目标抓取模型，这些模型在厨房废物分类任务中表现出色。此外，还有研究探讨了如何在复杂背景下进行精确的物体识别和抓取，进一步推动了计算机视觉和机器人技术的发展。这些工作不仅丰富了学术研究的内容，也为实际应用提供了强有力的技术支持。