检测识别数据集汇总

傷城~ 2023-06-22 03:17 2阅读 0赞

### 检测数据集 ###

<table style="width:500px;"> 
 <tbody> 
 <tr> 
 <td>数据集类型</td> 
 <td>数据集名称</td> 
 <td>数据集介绍</td> 
 <td>备注</td> 
 </tr> 
 <tr> 
 <td colspan="1">通用目标检测</td> 
 <td>&nbsp;<a href="http://host.robots.ox.ac.uk/pascal/VOC/index.html" rel="nofollow">PASCAL&nbsp;VOC</a></td> 
 <td> 该数据集主要使用2007和2012年的数据，12年后该比赛停办。 作为通用检测的主要测试数据集。 数据集共包括：物体和动作的分类、物体分割、物体检测(20类)。 </td> 
 <td><a href="http://host.robots.ox.ac.uk:8080/leaderboard/displaylb.php?challengeid=11&amp;compid=4" rel="nofollow">最新结果展示网页</a></td> 
 </tr> 
 <tr> 
 <td><a href="http://cocodataset.org/#home" rel="nofollow">COCO</a></td> 
 <td> 该数据集主要包括物体检测(80类)，分割和人体关键点定位等， 由微软和facebook等科技巨头赞助，是当前检测算法性能评价的主要数据库。 </td> 
 <td><a href="http://cocodataset.org/#detections-leaderboard" rel="nofollow">最新结果展示网页</a></td> 
 </tr> 
 <tr> 
 <td><a href="http://image-net.org/challenges/LSVRC/2014/index#introduction" rel="nofollow">Imagenet 2014 Detection task</a></td> 
 <td> 数据格式为jpg，标注格式同VOC，共200类； 训练集456567，验证集20121，测试集40152。其中训练集中每类图片数从461到67513波动 </td> 
 <td><a href="http://www.image-net.org/download-bboxes" rel="nofollow">下载地址</a></td> 
 </tr> 
 <tr> 
 <td colspan="1">人脸检测</td> 
 <td><a href="http://vis-www.cs.umass.edu/fddb/index.html" rel="nofollow">FDDB</a></td> 
 <td> 该数据集是最具权威的人脸检测评测平台之一，其中涵盖在自然环 境下的各种姿态的人脸。 测试集为自然场景下包含5171张人脸的2845张图片组成 </td> 
 <td><a href="http://vis-www.cs.umass.edu/fddb/results.html" rel="nofollow">最新结果展示网页</a></td> 
 </tr> 
 <tr> 
 <td><a href="http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/" rel="nofollow">WIDER Face</a></td> 
 <td> 该数据集对人脸检测场景划分为：简单，中等，难三个等级，是该 领域一个较新的数据集(2015)，是新论文中常出现的评测平台。 </td> 
 <td><a href="http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/WiderFace_Results.html" rel="nofollow">最新结果展示网页</a></td> 
 </tr> 
 <tr> 
 <td colspan="1">人脸活体检测</td> 
 <td><a href="http://www.ee.oulu.fi/research/bmetric/Oulu_NPU/" rel="nofollow">Oulu_NPU</a></td> 
 <td>使用6款手机共拍摄4950个真实和攻击的视频</td> 
 <td>&nbsp;</td> 
 </tr> 
 <tr> 
 <td colspan="1">OCR</td> 
 <td>text_im</td> 
 <td> 使用SynthText_Chinese_version生成的自然场景下的倾斜文本位置标注 数据，包含中文、英文、数字，一共4765张。数据格式已经转为<a href="http://wiki.corpautohome.com/pages/viewpage.action?pageId=80972905" rel="nofollow">统一规范</a>。 </td> 
 <td><a href="https://github.com/JarveeLee/SynthText_Chinese_version" rel="nofollow">原作者github路径</a></td> 
 </tr> 
 <tr> 
 <td><a href="http://www.iapr-tc11.org/mediawiki/index.php/MSRA_Text_Detection_500_Database_%28MSRA-TD500%29" rel="nofollow">MSRA-TD500</a></td> 
 <td> 包含多方向、多语言文字的图像数据集，文本涉及的语种包括中文、英文 、两者的混合。数据集包括500幅自然场景图像，图像分辨率结语1296864 到19201280之间。 </td> 
 <td><a href="http://www.iapr-tc11.org/mediawiki/index.php/MSRA_Text_Detection_500_Database_%28MSRA-TD500%29" rel="nofollow">最新结果展示网页</a></td> 
 </tr> 
 <tr> 
 <td><a href="https://rrc.cvc.uab.es/" rel="nofollow">ICDAR</a></td> 
 <td> ICDAR大赛组委会自2003年起公布了自然场景文本数据库，直到2015年该 数据库已包括文本定位数据库、文本分割数据库、单词识别数据库、端对端 识别数据库。图像都是是24位彩色图像，大小是1024*768像素。收集到 </td> 
 <td>&nbsp;</td> 
 </tr> 
 <tr> 
 <td><a href="http://tc11.cvc.uab.es/datasets/SVT_1" rel="nofollow">svt</a></td> 
 <td> 所有图像源于Google Street View，图像分辨率较低，文字变化较大。图像 是24位彩色图像，像素大小是1260*860，文件格式为JPEG。包括350幅高 分辨率图像，其中100张图像用于训练，250张图像用于测试，每幅图像都 用一个文本向量表示其中包含的文字信息。 </td> 
 <td><a href="http://tc11.cvc.uab.es/datasets/SVT_1" rel="nofollow">最新结果展示网页</a></td> 
 </tr> 
 </tbody> 
</table>

### 识别数据集 ###

<table style="width:500px;"> 
 <tbody> 
 <tr> 
 <td>数据集类型</td> 
 <td>数据集名称</td> 
 <td>数据集介绍</td> 
 <td>备注</td> 
 </tr> 
 <tr> 
 <td>通用识别</td> 
 <td><a href="http://www.image-net.org/challenges/LSVRC/" rel="nofollow">ILSVRC</a></td> 
 <td> 即Image-net数据集，基于WordNet的认知语言学字典构建，2017年为比 赛的最后一年。之后转到<a href="https://www.kaggle.com/c/imagenet-object-localization-challenge" rel="nofollow">kaggle</a>平台。 数据集包括：物体分类(1000类)，检测和视频中的物体检测。 </td> 
 <td><a href="http://image-net.org/challenges/LSVRC/2017/results" rel="nofollow">2017年比赛结果网页</a></td> 
 </tr> 
 <tr> 
 <td colspan="1">人脸识别</td> 
 <td><a href="http://vis-www.cs.umass.edu/lfw/index.html" rel="nofollow">LFW</a></td> 
 <td> 该数据集是最权威的人脸识别评测平台之一。该数据集由13000多张全世界知名人士互联网自然场景不同朝向、表情和光照环境人脸图片组成，共有5000多人。 数据经过Viola-Jones人脸检测器得到。 该数据库从中随机选择了6000对人脸组成了人脸图片对，其中3000对属于同一个人2张人脸照片，3000对属于不同的人每人1张人脸照片。 </td> 
 <td><a href="http://vis-www.cs.umass.edu/lfw/results.html" rel="nofollow">最新结果展示网页</a></td> 
 </tr> 
 <tr> 
 <td><a href="http://www.robots.ox.ac.uk/~vgg/data/vgg_face2/" rel="nofollow">VGGFace2</a></td> 
 <td>总共3百多万张图片，9131个人（训练8631，测试500）</td> 
 <td>&nbsp;</td> 
 </tr> 
 <tr> 
 <td colspan="1">&nbsp;</td> 
 <td>CASIA WebFace Database</td> 
 <td>人脸识别数据，包含10575个人，494414张图片</td> 
 <td>&nbsp;</td> 
 </tr> 
 <tr> 
 <td colspan="1">&nbsp;</td> 
 <td><a href="https://www.microsoft.com/en-us/research/project/ms-celeb-1m-challenge-recognizing-one-million-celebrities-real-world/" rel="nofollow">MS-Celeb-1M</a></td> 
 <td>人脸识别数据，包含99892个人，8456240张图片</td> 
 <td>&nbsp;</td> 
 </tr> 
 </tbody> 
</table>

### 其他 ###

<table style="width:500px;"> 
 <tbody> 
 <tr> 
 <td>数据集类型</td> 
 <td>数据集名称</td> 
 <td>数据集介绍</td> 
 <td>备注</td> 
 </tr> 
 <tr> 
 <td>自动驾驶</td> 
 <td><a href="https://bdd-data.berkeley.edu/" rel="nofollow">bdd100k</a></td> 
 <td> 标注对象共10类，图片数量10w。 详细介绍可查看该<a href="https://www.jiqizhixin.com/articles/UC-Berkeley-BDD100K" rel="nofollow">文章</a>。 </td> 
 <td><a href="https://github.com/ucbdrive/bdd-data" rel="nofollow">github地址</a></td> 
 </tr> 
 <tr> 
 <td>分割</td> 
 <td><a href="https://storage.googleapis.com/openimages/web/challenge2019_downloads.html" rel="nofollow">Open Image Dataset V5</a></td> 
 <td> 新版数据集包含 280 万个物体实例的分割掩码，覆盖 350 个类别。新增 640 万个经过人工验证的图像级标签，标签总数高达 3650 万。 详细介绍可查看该<a href="https://www.jiqizhixin.com/articles/19051903" rel="nofollow">文章</a>。 </td> 
 <td>&nbsp;</td> 
 </tr> 
 </tbody> 
</table>

### 参考文献： ###

1.  [bdd100k][]
2.  [伯克利发布BDD100K：目前最大规模开放驾驶视频数据集][BDD100K]
3.  [Imagenet 2014 Detection task][]
4.  [280万分割掩码，谷歌Open Images数据集再更新][280_Open Images]

[bdd100k]: https://bdd-data.berkeley.edu/
[BDD100K]: https://www.jiqizhixin.com/articles/UC-Berkeley-BDD100K
[Imagenet 2014 Detection task]: http://image-net.org/challenges/LSVRC/2014/index#introduction
[280_Open Images]: https://www.jiqizhixin.com/articles/19051903