↑ 點擊藍(lán)字?關(guān)注極市平臺

編輯丨極市平臺

極市導(dǎo)讀

本文收集整理了多個小目標(biāo)檢測、圖像識別、圖像分類等方向的開源數(shù)據(jù)集，本次還有貓咪、斯坦福狗狗數(shù)據(jù)集以及3D MNIST數(shù)字識別等～?>>加入極市CV技術(shù)交流群，走在計算機視覺的最前沿

往期回顧：

15個目標(biāo)檢測開源數(shù)據(jù)集匯總

人臉識別常用開源數(shù)據(jù)集大全

10個開源工業(yè)檢測數(shù)據(jù)集匯總

21個深度學(xué)習(xí)開源數(shù)據(jù)集分類匯總

開源真實場景圖像檢測數(shù)據(jù)集匯總

寵物圖像數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/5TAgdC

一個包含 37 個類別的寵物數(shù)據(jù)集，每個類別大約有 200 張圖像。這些圖像在比例、姿勢和照明方面有很大的變化。所有圖像都有相關(guān)的品種、頭部 ROI 和像素級三元圖分割的地面實況注釋。

街景門牌號 (SVHN) 數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/5ExMWb

SVHN 是一個真實世界的圖像數(shù)據(jù)集，用于開發(fā)機器學(xué)習(xí)和對象識別算法，對數(shù)據(jù)預(yù)處理和格式化的要求最低。它可以被視為與MNIST風(fēng)格相似（例如，圖像是經(jīng)過裁剪的小數(shù)字），但包含一個數(shù)量級的更多標(biāo)記數(shù)據(jù)（超過 600,000 個數(shù)字圖像），并且來自一個更難、未解決的現(xiàn)實世界問題（識別自然場景圖像中的數(shù)字和數(shù)字）。SVHN 是從谷歌街景圖像中的門牌號獲得的。

3D MNIST 數(shù)字識別圖像數(shù)據(jù)

數(shù)據(jù)集下載地址：http://m6z.cn/5SUfEd

該數(shù)據(jù)集的目的是提供一種簡單的方法來開始處理 3D 計算機視覺問題，例如 3D 形狀識別。

文檔影印和內(nèi)容數(shù)據(jù)

數(shù)據(jù)集下載地址：http://m6z.cn/6nF67S

MediaTeam Oulu Document 數(shù)據(jù)集是一個文檔掃描圖像和文檔內(nèi)容數(shù)據(jù)集，包含 500篇 1975年之前的文檔信息。

貓咪數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/5TAgbw

CAT 數(shù)據(jù)集包括超過 9,000 張貓圖像。對于每張圖像，貓的頭部都有九個點的注釋，眼睛兩個，嘴巴一個，耳朵六個。

CBCL 街道場景數(shù)據(jù)

數(shù)據(jù)集下載地址：http://m6z.cn/5TAgeA

StreetScenes Challenge Framework 是用于對象檢測的圖像、注釋、軟件和性能測量的集合。每張圖像都是從馬薩諸塞州波士頓及其周邊地區(qū)的 DSC-F717 相機拍攝的。然后用圍繞 9 個對象類別的每個示例的多邊形手動標(biāo)記每個圖像，包括 [汽車、行人、自行車、建筑物、樹木、天空、道路、人行道和商店]。這些圖像的標(biāo)記是在仔細(xì)檢查下完成的，以確保對象總是以相同的方式標(biāo)記，關(guān)于遮擋和其他常見的圖像變換。

小目標(biāo)檢測數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/616t6R

從Internet（例如YouTube或Google）上的圖像/視頻收集的四個小物體數(shù)據(jù)集，包括4種類型的圖像，可用于小物體目標(biāo)檢測的研究。

數(shù)據(jù)集包含四類：

fly：飛行數(shù)據(jù)集，包含600個視頻幀，平均每幀86±39個物體（648×72 @ 30 fps）。32張圖像用于訓(xùn)練（1：6：187），50張圖像用于測試（301：6：600）。
honeybee：蜜蜂數(shù)據(jù)集，包含118張圖像，每張圖像平均有28±6個蜜蜂（640×480）。數(shù)據(jù)集被平均分配用于訓(xùn)練和測試集。僅前32張圖像用于訓(xùn)練。
seagull：海鷗數(shù)據(jù)集，包含三個高分辨率圖像（624×964），每個圖像平均有866±107個海鷗。第一張圖片用于訓(xùn)練，其余圖片用于測試。
fish：魚數(shù)據(jù)集，包含387幀視頻數(shù)據(jù)，平均每幀56±9條魚（300×410 @ 30 fps）。32張圖像進(jìn)行訓(xùn)練（1：3：94），65張圖像進(jìn)行測試（193：3：387）。

斯坦福狗狗數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/6nF6kM

斯坦福狗數(shù)據(jù)集包含來自世界各地的 120 種狗的圖像。該數(shù)據(jù)集是使用 ImageNet 中的圖像和注釋構(gòu)建的，用于細(xì)粒度圖像分類任務(wù)。

該數(shù)據(jù)集的內(nèi)容：

類別數(shù)：120
圖片數(shù)量：20,580
注釋：類標(biāo)簽、邊界框

標(biāo)注魚類數(shù)據(jù)集

數(shù)據(jù)集下載地址：http://m6z.cn/616t8X

野生圖像數(shù)據(jù)集中的標(biāo)記魚類由 NOAA Fisheries（國家海洋漁業(yè)服務(wù)局）提供，以鼓勵對無約束水下圖像的自動圖像分析算法進(jìn)行開發(fā)、測試和性能評估。

該數(shù)據(jù)集包括魚類、無脊椎動物和海床的圖像，這些圖像是使用部署在遠(yuǎn)程操作車輛 (ROV) 上的攝像系統(tǒng)收集的，用于漁業(yè)調(diào)查。

Stanford 汽車圖片數(shù)據(jù)

數(shù)據(jù)集下載地址：http://m6z.cn/616wop

Cars 數(shù)據(jù)集包含 196 類汽車的 16,185 張圖像。數(shù)據(jù)分為 8,144 個訓(xùn)練圖像和 8,041 個測試圖像，其中每個類別大致按 50-50 分割。課程通常在品牌、型號、年份級別，例如 2012 Tesla Model S 或 2012 BMW M3 coupe。