Inicio
  • Español
Spanish Afrikaans English

Datasets CIDIS

  • Dataset: LR, MR, HR far infrared image

    Este dataset tiene 1021 imágenes (951 para entrenamiento, 50 para testing y 20 para validación). Este dataset cuenta con 3 tipos de resoluciones (160x120, 320x240 y 640x480), categorizados como baja, media y alta. Especificado en [3].

  • Dataset: Deep Learning based Corn Kernel Classification

    Esta investigación contiene 3 tipos de datasets: 1. Segmentación con 23 imágenes de 1280x1024. 2. Clasificación de 3 clases con 6600 imágenes de 224x224. 3. Clasificación de 2 clases con 3570 imágenes de 224x224. Especificado en [4]

  • Dataset: Pose Estimation

    Este dataset cuenta con 155,530 imágenes, capturadas de la manera especificada en [1] y dentro del proyecto [A]

  • Dataset: Far Infrared Images

    Este dataset cuenta con 101 imágenes, con una resolución de 640x512. Capturadas de la manera especificada en [2].





___________________________________________________________________________________________

Como citar nuestros datasets

Otorgamos permiso para usar y publicar todas las imágenes sobre esta página web. Sin embargo, si usa alguno de nuestros datasets, le pedimos que cite el(los) documento(s) apropiado(s):

Referencias
  1. Sianna Puente, Cindy Madrid, Miguel Realpe, & Boris X. Vintimilla. (2017). An Empirical Comparison of DCNN libraries to implement the Vision Module of a Danger Management System. In 2017 International Conference on Deep Learning Technologies (ICDLT 2017). (paper)
  2. Rafael E. Rivadeneira, Patricia L. Suárez, Angel D. Sappa, Boris X. Vintimilla (2019). Thermal Image SuperResolution through Deep Convolutional Neural Network. In 2019, 16th International Conference on Image Analysis and Recognition (ICIAR 2019). (paper)
  3. Rivadeneira, Rafael E and Sappa, Angel D and Vintimilla, Boris X. (2019). Thermal Image Super-Resolution: a Novel Architecture and Dataset. VISAPP2020. (paper)
  4. Velesaca, Henry O. and Mira, Raúl and Suárez, Patricia L. and Larrea, Christian X. and Sappa, Angel D. (2020). Deep Learning based Corn Kernel Classification. The 1st International Workshop on Agriculture-Vision: Challenges & Opportunities for Computer Vision in Agriculture. (paper)
Proyectos
  1. Este trabajo ha sido financiado por la ESPOL en el Proyecto G4-DI-2014: "Sistema Integrado De Administración De Emergencias Utilizando Redes De Sensores Y Señalética Reactiva" (proyecto)