編輯丨極市平臺(tái)

1.火焰和煙霧圖像數(shù)據(jù)集

數(shù)據(jù)集鏈接：http://m6z.cn/6fzn0f

該數(shù)據(jù)集由早期火災(zāi)和煙霧的圖像數(shù)據(jù)集組成。數(shù)據(jù)集由在真實(shí)場(chǎng)景中使用手機(jī)拍攝的早期火災(zāi)和煙霧圖像組成。大約有7000張圖像數(shù)據(jù)。圖像是在各種照明條件（室內(nèi)和室外場(chǎng)景）、天氣等條件下拍攝的。該數(shù)據(jù)集非常適合早期火災(zāi)和煙霧探測(cè)。數(shù)據(jù)集可用于火災(zāi)和煙霧識(shí)別、檢測(cè)、早期火災(zāi)和煙霧、異常檢測(cè)等。數(shù)據(jù)集還包括典型的家庭場(chǎng)景，如垃圾焚燒、紙塑焚燒、田間作物焚燒、家庭烹飪等。本文僅含100張左右。

2.DOTA航拍圖像數(shù)據(jù)集

DOTA是用于航空?qǐng)D像中目標(biāo)檢測(cè)的大型數(shù)據(jù)集。它可以用于開(kāi)發(fā)和評(píng)估航空?qǐng)D像中的目標(biāo)探測(cè)器。這些圖像是從不同的傳感器和平臺(tái)收集的。每個(gè)圖像的大小在800×800到20000×20000像素之間，包含顯示各種比例、方向和形狀的對(duì)象。DOTA圖像中的實(shí)例由航空?qǐng)D像解釋專(zhuān)家通過(guò)任意（8 d.o.f.）四邊形進(jìn)行注釋。

3. AITEX數(shù)據(jù)集

數(shù)據(jù)集鏈接：http://m6z.cn/5DdJL1

該數(shù)據(jù)庫(kù)由七個(gè)不同織物結(jié)構(gòu)的245張4096 x 256像素圖像組成。數(shù)據(jù)庫(kù)中有140個(gè)無(wú)缺陷圖像，每種類(lèi)型的織物20個(gè)，除此之外，有105幅紡織行業(yè)中常見(jiàn)的不同類(lèi)型的織物缺陷（12種缺陷）圖像。圖像的大尺寸允許用戶(hù)使用不同的窗口尺寸，從而增加了樣本數(shù)量。

4. T-LESS數(shù)據(jù)集

數(shù)據(jù)集鏈接：http://m6z.cn/5wnucm

該數(shù)據(jù)集采集的目標(biāo)為工業(yè)應(yīng)用、紋理很少的目標(biāo)，同時(shí)缺乏區(qū)別性的顏色，且目標(biāo)具有對(duì)稱(chēng)性和互相關(guān)性，數(shù)據(jù)集由三個(gè)同步的傳感器獲得，一個(gè)結(jié)構(gòu)光傳感器，一個(gè)RGBD sensor，一個(gè)高分辨率RGBsensor，從每個(gè)傳感器分別獲得了3.9w訓(xùn)練集和1w測(cè)試集，此外為每個(gè)目標(biāo)創(chuàng)建了2個(gè)3D model,一個(gè)是CAD手工制作的另一個(gè)是半自動(dòng)重建的。訓(xùn)練集圖片的背景大多是黑色的，而測(cè)試集的圖片背景很多變，會(huì)包含不同光照、遮擋等等變換（之所以這么做作者說(shuō)是為了使任務(wù)更具有挑戰(zhàn)性）。

同時(shí)作者解釋了本數(shù)據(jù)集的優(yōu)勢(shì)在于：1.大量跟工業(yè)相關(guān)的目標(biāo)；2.訓(xùn)練集都是在可控的環(huán)境下抓取的；3.測(cè)試集有大量變換的視角；4.圖片是由同步和校準(zhǔn)的sensor抓取的；5.準(zhǔn)確的6D pose標(biāo)簽；6.每個(gè)目標(biāo)有兩種3D模型；

5.H2O 行人交互檢測(cè)數(shù)據(jù)集

數(shù)據(jù)集鏈接：http://m6z.cn/6fzmQf

H2O由V-COCO數(shù)據(jù)集中的10301張圖像組成，其中添加了3635張圖像，這些圖像主要包含人與人之間的互動(dòng)。所有的H2O圖像都用一種新的動(dòng)詞分類(lèi)法進(jìn)行了注釋?zhuān)ㄈ伺c物和人與人之間的互動(dòng)。該分類(lèi)法由51個(gè)動(dòng)詞組成，分為5類(lèi)：

• 描述主語(yǔ)一般姿勢(shì)的動(dòng)詞

• 與主語(yǔ)移動(dòng)方式有關(guān)的動(dòng)詞

• 與賓語(yǔ)互動(dòng)的動(dòng)詞

• 描述人與人之間互動(dòng)的動(dòng)詞

• 涉及力量或暴力的互動(dòng)動(dòng)詞

6.SpotGarbage垃圾識(shí)別數(shù)據(jù)集

數(shù)據(jù)集鏈接：http://m6z.cn/5ZMmRG

圖像中的垃圾（GINI）數(shù)據(jù)集是SpotGarbage引入的一個(gè)數(shù)據(jù)集，包含2561張圖像，956張圖像包含垃圾，其余的是在各種視覺(jué)屬性方面與垃圾非常相似的非垃圾圖像。

7.NAO自然界對(duì)抗樣本數(shù)據(jù)集

數(shù)據(jù)集鏈接：http://m6z.cn/5KJWJA

NAO包含7934張圖像和9943個(gè)對(duì)象，這些圖像未經(jīng)修改，代表了真實(shí)世界的場(chǎng)景，但會(huì)導(dǎo)致最先進(jìn)的檢測(cè)模型以高置信度錯(cuò)誤分類(lèi)。與標(biāo)準(zhǔn)MSCOCO驗(yàn)證集相比，在NAO上評(píng)估時(shí)，EfficientDet-D7的平均精度（mAP）下降了74.5%。

8.Labelme 圖像數(shù)據(jù)集

數(shù)據(jù)集鏈接：http://m6z.cn/5Sg9NX

Labelme Dataset 是用于目標(biāo)識(shí)別的圖像數(shù)據(jù)集，涵蓋 1000 多個(gè)完全注釋和 2000 個(gè)部分注釋的圖像，其中部分注釋圖像可以被用于訓(xùn)練標(biāo)記算法 ，測(cè)試集擁有來(lái)自于世界不同地方拍攝的圖像，這可以保證圖片在續(xù)聯(lián)和測(cè)試之間會(huì)有較大的差異。該數(shù)據(jù)集由麻省理工學(xué)院 –計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室于 2007 年發(fā)布，相關(guān)論文有《LabelMe: a database and web-based tool for image annotation》。

9.印度車(chē)輛數(shù)據(jù)集

數(shù)據(jù)集鏈接：http://m6z.cn/6uxAIx

該數(shù)據(jù)集包括小眾印度車(chē)輛的圖像，如Autorikshaw、Tempo、卡車(chē)等。該數(shù)據(jù)集由用于分類(lèi)和目標(biāo)檢測(cè)的小眾印度車(chē)輛圖像組成。據(jù)觀(guān)察，這些小眾車(chē)輛（如autorickshaw、tempo、trucks等）上幾乎沒(méi)有可用的數(shù)據(jù)集。這些圖像是在白天、晚上和晚上的不同天氣條件下拍攝的。該數(shù)據(jù)集具有各種各樣的照明、距離、視點(diǎn)等變化。該數(shù)據(jù)集代表了一組非常具有挑戰(zhàn)性的利基類(lèi)車(chē)輛圖像。該數(shù)據(jù)集可用于駕駛員輔助系統(tǒng)、自動(dòng)駕駛等的圖像識(shí)別和目標(biāo)檢測(cè)。

10.Seeing 3D chairs椅子檢測(cè)模型

數(shù)據(jù)集鏈接：http://m6z.cn/5DdK0v

椅子數(shù)據(jù)集包含大約1000個(gè)不同三維椅子模型的渲染圖像。

11.SUN09場(chǎng)景理解數(shù)據(jù)集

數(shù)據(jù)集鏈接：http://m6z.cn/60wX8r

SUN09數(shù)據(jù)集包含12000個(gè)帶注釋的圖像，其中包含200多個(gè)對(duì)象類(lèi)別。它由自然、室內(nèi)和室外圖像組成。每個(gè)圖像平均包含7個(gè)不同的注釋對(duì)象，每個(gè)對(duì)象的平均占用率為圖像大小的5%。對(duì)象類(lèi)別的頻率遵循冪律分布。發(fā)布者使用 397 個(gè)采樣良好的類(lèi)別進(jìn)行場(chǎng)景識(shí)別，并以此搭配最先進(jìn)的算法建立新的性能界限。

該數(shù)據(jù)集由普林斯頓視覺(jué)與機(jī)器人實(shí)驗(yàn)室于 2014 年發(fā)布，相關(guān)論文有《SUN Database: Large-scale Scene Recognition from Abbey to Zoo》、《SUN Database: Exploring a Large Collection of Scene Categories》。

12.Unsplash圖片檢索數(shù)據(jù)集

數(shù)據(jù)集鏈接：http://m6z.cn/5wnuoM

使用迄今為止公開(kāi)共享的全球最大的開(kāi)放檢索信息數(shù)據(jù)集。Unsplash數(shù)據(jù)集由250000多名貢獻(xiàn)攝影師創(chuàng)建，并包含了數(shù)十億次照片搜索的信息和對(duì)應(yīng)的照片信息。由于Unsplash數(shù)據(jù)集中包含廣泛的意圖和語(yǔ)義，它為研究和學(xué)習(xí)提供了新的機(jī)會(huì)。

13.HICO-DET人物交互檢測(cè)數(shù)據(jù)集

數(shù)據(jù)集鏈接：http://m6z.cn/5DdK6D

HICO-DET是一個(gè)用于檢測(cè)圖像中人-物交互（HOI）的數(shù)據(jù)集。它包含47776幅圖像（列車(chē)組38118幅，測(cè)試組9658幅），600個(gè)HOI類(lèi)別，由80個(gè)賓語(yǔ)類(lèi)別和117個(gè)動(dòng)詞類(lèi)別構(gòu)成。HICO-DET提供了超過(guò)150k個(gè)帶注釋的人類(lèi)對(duì)象對(duì)。V-COCO提供了10346張圖像（2533張用于培訓(xùn)，2867張用于驗(yàn)證，4946張用于測(cè)試）和16199人的實(shí)例。

14.上?？萍即髮W(xué)人群統(tǒng)計(jì)數(shù)據(jù)集

數(shù)據(jù)集鏈接：http://m6z.cn/5Sgafn

上?？萍紨?shù)據(jù)集是一個(gè)大規(guī)模的人群統(tǒng)計(jì)數(shù)據(jù)集。它由1198張帶注釋的群組圖像組成。數(shù)據(jù)集分為兩部分，A部分包含482張圖像，B部分包含716張圖像。A部分分為訓(xùn)練和測(cè)試子集，分別由300和182張圖像組成。B部分分為400和316張圖像組成的序列和測(cè)試子集。群組圖像中的每個(gè)人都有一個(gè)靠近頭部中心的點(diǎn)進(jìn)行注釋?？偟膩?lái)說(shuō)，該數(shù)據(jù)集由33065名帶注釋的人組成。A部分的圖像是從互聯(lián)網(wǎng)上收集的，而B(niǎo)部分的圖像是在上海繁忙的街道上收集的。

15.生活垃圾數(shù)據(jù)集

數(shù)據(jù)集鏈接：http://m6z.cn/6n5Adu

大約9000多張獨(dú)特的圖片。該數(shù)據(jù)集由印度國(guó)內(nèi)常見(jiàn)垃圾對(duì)象的圖像組成。圖像是在各種照明條件、天氣、室內(nèi)和室外條件下拍攝的。該數(shù)據(jù)集可用于制作垃圾/垃圾檢測(cè)模型、環(huán)保替代建議、碳足跡生成等。