機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)的前20個(gè)圖像數(shù)據(jù)集

作者 | Meiryum Ali
翻譯 | 火火醬,責(zé)編 | 晉兆雨
出品 | AI科技大本營(yíng)

計(jì)算機(jī)視覺(jué)使計(jì)算機(jī)能夠理解圖像和視頻的內(nèi)容。計(jì)算機(jī)視覺(jué)的目標(biāo)是使人類視覺(jué)系統(tǒng)可以實(shí)現(xiàn)任務(wù)自動(dòng)化。

計(jì)算機(jī)視覺(jué)任務(wù)包括圖像采集、圖像處理和圖像分析。圖像數(shù)據(jù)可以采用不同的形式，例如視頻序列，從多個(gè)角度的不同的攝像機(jī)查看圖像或來(lái)自醫(yī)療掃描儀的多維數(shù)據(jù)。

用于計(jì)算機(jī)視覺(jué)訓(xùn)練的圖像數(shù)據(jù)集

Labelme：麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）創(chuàng)建的大型數(shù)據(jù)集，包含187,240張圖像、62,197條帶注釋的圖像和658,992張帶標(biāo)簽的對(duì)象。

樂(lè)高積木：通過(guò)文件夾和使用Blender渲染的計(jì)算機(jī)對(duì)大約16700種樂(lè)高積木進(jìn)行分類的大約12,700張圖像。

ImageNet：用于新算法的實(shí)際圖像數(shù)據(jù)集。根據(jù)WordNet層次結(jié)構(gòu)進(jìn)行組織，其中層次結(jié)構(gòu)的每個(gè)節(jié)點(diǎn)都以成千上萬(wàn)的圖像進(jìn)行描繪。

LSUN：具有許多輔助任務(wù)的場(chǎng)景理解（房間布局估計(jì)、顯著性預(yù)測(cè)等）

MS COCO：COCO是包含200,000多個(gè)標(biāo)記圖像的大規(guī)模對(duì)象檢測(cè)、分割和字幕數(shù)據(jù)集。它可以用于對(duì)象分割，上下文識(shí)別以及許多其他用例。

哥倫比亞大學(xué)圖像庫(kù)：COIL100是一個(gè)數(shù)據(jù)集，其中包含360個(gè)旋轉(zhuǎn)角度中每個(gè)角度成像的100個(gè)不同對(duì)象。

視覺(jué)基因組：視覺(jué)基因組是一個(gè)數(shù)據(jù)集和知識(shí)庫(kù)，旨在將結(jié)構(gòu)化圖像概念與語(yǔ)言聯(lián)系起來(lái)。該數(shù)據(jù)庫(kù)具有詳細(xì)的視覺(jué)知識(shí)庫(kù)，并帶有108,077張圖像的字幕。

Google的開放圖像：“Creative Commons”下900萬(wàn)個(gè)URL的圖像集合，這些URL已用6000多個(gè)類別的標(biāo)簽進(jìn)行了注釋。

Youtube-8M：帶有標(biāo)簽的大規(guī)模數(shù)據(jù)集，由數(shù)百萬(wàn)個(gè)YouTube視頻ID組成，帶有超過(guò)3,800多個(gè)視覺(jué)實(shí)體的注釋。

帶標(biāo)簽的野外面孔：13,000個(gè)帶標(biāo)簽的人臉圖像，用于開發(fā)涉及面部識(shí)別的應(yīng)用程序。

斯坦福犬類數(shù)據(jù)集：包含20,580張圖像和120種不同的犬種類別，每個(gè)類別約有150張圖像。

地點(diǎn)：以場(chǎng)景為中心的數(shù)據(jù)庫(kù)，其中包含205個(gè)場(chǎng)景類別和250萬(wàn)個(gè)帶有類別標(biāo)簽的圖像。

CelebFaces：具有超過(guò)200,000張名人圖像的人臉數(shù)據(jù)集，每個(gè)圖像帶有40個(gè)屬性注釋。

花卉：在英國(guó)常見(jiàn)的花朵圖像數(shù)據(jù)集，包含102個(gè)不同類別。每個(gè)花類由40至258張圖像組成，這些圖像具有不同的姿勢(shì)和光線變化。

植物圖像分析：涵蓋超過(guò)一百萬(wàn)張植物圖像的數(shù)據(jù)集?？梢詮?1種植物中選擇。

家庭對(duì)象：一個(gè)數(shù)據(jù)集，其中包含來(lái)自家庭的隨機(jī)對(duì)象，大部分來(lái)自廚房、浴室和客廳，這些對(duì)象分為訓(xùn)練和測(cè)試數(shù)據(jù)集。

CIFAR-10：包含60,000張32×32彩色圖像的大型圖像數(shù)據(jù)集，分為10類。數(shù)據(jù)集分為五個(gè)訓(xùn)練批次和一個(gè)測(cè)試批次，每個(gè)批次包含10,000張圖像。

CompCars：包含163種車型，包含1,716種車型，每種車型都標(biāo)有五個(gè)屬性，包括最大速度、排量、門數(shù)、座位數(shù)和汽車類型。

室內(nèi)場(chǎng)景識(shí)別：非常具體的數(shù)據(jù)集，非常有用，因?yàn)榇蠖鄶?shù)場(chǎng)景識(shí)別模型在“外部”效果更好。包含67個(gè)室內(nèi)類別，共15620張圖像。

VisualQA：VQA是一個(gè)數(shù)據(jù)集，包含有關(guān)265,016張圖像的開放式問(wèn)題。這些問(wèn)題需要對(duì)視覺(jué)和語(yǔ)言的理解。對(duì)于每個(gè)圖像，至少有3個(gè)問(wèn)題，每個(gè)問(wèn)題10個(gè)答案。

原文鏈接：https://hackernoon.com/top-20-image-datasets-for-machine-learning-and-computer-vision-rq3w3zxo

本文由AI科技大本營(yíng)翻譯，轉(zhuǎn)載請(qǐng)注明出處
譯文鏈接：https://mp.weixin.qq.com/s/aRQXJ2_VP4SHeed6N52CVQ