检测识别数据集汇总

检测数据集

数据集类型	数据集名称	数据集介绍	备注
通用目标检测	PASCAL VOC	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)。	最新结果展示网页
	COCO	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。	最新结果展示网页
	Imagenet 2014 Detection task	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	下载地址
人脸检测	FDDB	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	最新结果展示网页
	WIDER Face	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。	最新结果展示网页
人脸活体检测	Oulu_NPU	使用6款手机共拍摄4950个真实和攻击的视频
OCR	text_im	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。数据格式已经转为统一规范。	原作者github路径
	MSRA-TD500	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。	最新结果展示网页
	ICDAR	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
	svt	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。	最新结果展示网页

识别数据集

数据集类型	数据集名称	数据集介绍	备注
通用识别	ILSVRC	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kaggle平台。 数据集包括：物体分类(1000类)，检测和视频中的物体检测。	2017年比赛结果网页
人脸识别	LFW	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。	最新结果展示网页
	VGGFace2	总共3百多万张图片，9131个人（训练8631，测试500）
	CASIA WebFace Database	人脸识别数据，包含10575个人，494414张图片
	MS-Celeb-1M	人脸识别数据，包含99892个人，8456240张图片

其他

数据集类型	数据集名称	数据集介绍	备注
自动驾驶	bdd100k	标注对象共10类，图片数量10w。 详细介绍可查看该文章。	github地址
分割	Open Image Dataset V5	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。 详细介绍可查看该文章。

 

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

3. Imagenet 2014 Detection task

4. 280万分割掩码，谷歌Open Images数据集再更新