Indoor Scenes CVPR 2019
Ce dataset d’images contient plus de 15 000 photos représentant des scènes d’intérieur, classées en 67 catégories distinctes. Il est conçu pour entraîner des modèles de reconnaissance de scènes dans des environnements complexes.
Environ 15 620 images JPG réparties en 67 catégories
Open Database License (ODbL)
Description
Le dataset Indoor Scenes CVPR 2019 regroupe 15 620 images réparties en 67 catégories de scènes d’intérieur, comme les bibliothèques, couloirs, cuisines ou chambres d’hôtel. Chaque image est annotée par catégorie, permettant d’entraîner des modèles de reconnaissance contextuelle dans des environnements intérieurs.
À quoi sert ce dataset ?
- Entraîner des modèles de classification d’images pour des applications intérieures
- Tester la robustesse de réseaux de neurones convolutifs (CNN) sur des scènes complexes
- Développer des outils de navigation ou détection pour robots ou systèmes embarqués
Peut-on l’enrichir ou l’améliorer ?
Oui. On peut ajouter des métadonnées supplémentaires (comme la luminosité, l’orientation ou les objets détectés), ou combiner ce dataset avec d’autres jeux de scènes domestiques. Il est également possible d’améliorer l’équilibrage des classes ou d’effectuer de l’augmentation de données pour enrichir l’apprentissage.
🔎 En résumé
🧠 Recommandé pour
- Étudiants en vision par ordinateur
- Projets de robotique
- Entraînement CNN
🔧 Outils compatibles
- PyTorch
- TensorFlow
- Keras
- OpenCV
💡 Astuce
Utilisez la répartition par catégorie pour créer un benchmark personnalisé ou tester des algorithmes de few-shot learning.
Questions fréquemment posées
Ce dataset peut-il être utilisé dans des projets commerciaux ?
Oui, tant que les conditions de la licence ODbL sont respectées, notamment l’attribution et le partage des dérivés.
Y a-t-il des annotations supplémentaires comme les objets détectés ?
Non, les images sont uniquement classées par type de scène. Il est possible d’enrichir les données avec des annotations supplémentaires.
Convient-il pour un apprentissage supervisé classique ?
Oui, chaque image est clairement associée à une catégorie, ce qui facilite l’entraînement de modèles de classification supervisée.
