pedropro/TACO

解决的问题

TACO 解决了缺乏用于训练目标检测器识别垃圾的多样化、真实世界标注图像的问题。它提供了在森林、道路和海滩等不同环境中拍摄的垃圾标注照片，从而实现了更强大的垃圾检测系统。

工作原理

图像通过在线服务器收集，并按照分层分类体系进行手动分割标注。标注以 COCO 格式提供，方便与常用的检测框架配合使用。该仓库包含一个下载脚本、一个用于检查数据的 Jupyter notebook，以及一个修改后的 Mask R-CNN 检测器，并附带了将数据拆分为训练集/验证集/测试集以及合并稀有类别的实用工具。

适用人群

该项目专为从事计算机视觉研究的研究人员、工程师和爱好者设计，特别是那些专注于环境监测、智能垃圾桶或自动垃圾分类目标检测的人员。它也适用于任何需要数据集来测试或基准测试检测算法的用户。

亮点

• 不断增长的自然和户外环境垃圾图像数据集。
• 用于详细分类垃圾类型的分层分类体系。
• 以广泛使用的标准 COCO 格式提供标注。
• 包含可下载的 API、演示 notebook 和活跃的标注服务器。
• 提供了一个带有可自定义类映射的 Mask R-CNN 检测器实现，以处理稀疏类别。