目标检测开源数据集汇总（二）

编辑丨极市平台

导读

本文汇总了一些开源目标检测类的数据集，附下载链接。

多显著性对象数据集

本数据集共有 1224 张图像来自四个公共图像数据集：COCO、VOC07、ImageNet 和 SUN。Amazon Mechanic Turk 工作人员将每个图像标记为包含 0、1、2、3 或 4 个以上的显着对象。可以在imgIdx.mat中找到此标签信息以及边界框注释，一个存储图像信息的matlab结构数组。MSO 数据集是 SOS 数据集测试集的子集。波士顿大学的团队删除了一些显着对象严重重叠或者对于标记指定数量的显着对象不明确的图像。因此，在来自 SOS 测试集的 1380 张图像中，只剩下 1224 张图像。MSO 数据集中超过一半的图像包含零个显着对象或多个显着对象。这旨在提供更真实的设置来评估显着对象检测方法。

0 个显着对象：338 个图像 1 个显着对象：611 个图像 2 个显着对象：155 个图像 3 个显着对象：100 个图像 4+ 显着对象：20 张图像

目标检测开源数据集汇总（二）_数据

足球和板球数据集

数据集链接：http://m6z.cn/6qle40

该数据集包含YOLO格式的足球和板球的注释图像，为Open Image Dataset 的一个子集。

目标检测开源数据集汇总（二）_数据_02

交通摄像头检测数据集

数据集链接：http://m6z.cn/6qle5C

该数据集是来自伊利诺伊州芝加哥市交通摄像头的增强随机屏幕截图的集合。在数据中，所有车辆都被标记在一个名为的类别中car。标签由边界框组成，并以 YOLOv5 PyTorch 格式存储。

目标检测开源数据集汇总（二）_数据_03

英雄联盟小地图的冠军数据集

数据集链接：http://m6z.cn/5WkCzK

该数据集包含普通图像和带边界框的噪声图像，在整个英雄联盟游戏过程中，绘制边界框以从小地图中识别冠军。

目前可用的冠军有（数字显示相关冠军的等级编号）：0 - 维迦 1 - 戴安娜 2 - 弗拉基米尔 3 -瑞兹 4- 艾克

5 - 艾瑞莉亚 6 - 易大师 7 - 夜曲 8 - 万神殿 9 - 约里克

还添加了一个 YOLOv3 权重文件，它已被训练以识别上述冠军。

目标检测开源数据集汇总（二）_数据_04

船只类型数据集

数据集链接：http://m6z.cn/5HiCKi

本数据集大约含有 1,500 张不同大小的船图片，但按不同类型分类：浮标、游轮、渡船、货船、贡多拉、充气船、皮划艇、纸船、帆船。

目标检测开源数据集汇总（二）_无人机_05

火星/月球陨石坑探测数据集

数据集链接：http://m6z.cn/5WkCUe

图像数据：可能包含陨石坑的火星和月球表面图像。数据源混杂。对于火星图像，图像主要来自 ASU 和 USGS；目前所有月球图像都来自美国宇航局月球勘测轨道器任务。所有图像均使用 RoboFlow 进行预处理，以去除 EXIF 旋转并将大小调整为 640*640。

标签：每个图像都有其关联的 YOLOv5 文本格式的标签文件。标注工作由我们自己完成，主要用于物体检测。

训练好的 YOLOv5 模型文件：对于每个新版本，我们将使用最新版本的数据上传我们预训练的 YOLOv5 模型文件。目前使用的网络结构是YOLOv5m6。

目标检测开源数据集汇总（二）_数据集_06

零售产品结账数据集

数据集链接：http://m6z.cn/5HiCMy

近年来，人们对将计算机视觉技术集成到零售行业产生了新的兴趣。自动结账 (ACO) 是该领域的关键问题之一，旨在从要购买的产品图像中自动生成购物清单。这个问题的主要挑战来自产品类别的大规模和细粒度特性，以及由于产品的不断更新，难以收集反映真实结账场景的训练图像。尽管具有重要的实践和研究价值，但这个问题在计算机视觉社区中并没有得到广泛的研究，主要是由于缺乏高质量的数据集。

本数据集具有以下特点：（1）它是迄今为止产品图像数量和产品类别最大的数据集。(2) 它包括在受控环境中拍摄的单品图像和由结账系统拍摄的多品图像。(3)它为结帐图像提供不同级别的注释。与现有数据集相比，我们的数据集更接近现实环境，可以衍生出各种研究问题。(4)它为结帐图像提供不同级别的注释。与现有数据集相比，该数据集更接近现实环境，可以衍生出各种研究问题。(5)它为结帐图像提供不同级别的注释。与现有数据集相比，我们的数据集更接近现实环境，可以衍生出各种研究问题。

目标检测开源数据集汇总（二）_无人机_07