十大靠谱“计算机视觉数据集”榜单

在如今的人工智能和机器学习领域中，计算机视觉（CV）无疑是最热门的一大分支。在自动驾驶、社交媒体面部识别、医学影像分析、家居安防系统、生产流程质量管控等各行各业的场景中，CV的应用都在致力于改善人们的生活并推进科学技术的研究。

训练高质量的CV算法是一个时间和数据密集型的工程。这使得CV的部署往往面临训练数据不足的挑战。预标注CV数据集或许是一个高性价比的解决方案。小编搜罗了全网各种类型场景的开源/可购买数据集，整理了这份“十大最佳CV数据集榜单”，点击文字链接即可get√，赶快点赞收藏起来吧！

最适合无偏见数据：ObjectNet

预标注CV数据集的主要问题之一是偏见，这是由于许多数据集的来源均使用从互联网上抓取的不完整图像。与传统数据集不同，由MIT-IBM Watson AI Lab开发的ObjectNet不是从现有来源挑选照片，而是将图片进行人工众包及审核。

ObjectNet的图像审核过程是对整个数据集进行评估，以确保背景、光照、旋转和其他图像因素具有足够的多样性，从而减小偏见。ObjectNet数据集包含分布在313个对象类中的50,000张图像，对于训练高质量的CV模型非常有用。

目标识别的最佳选择：VisualData

对于旨在目标识别的CV模型而言，VisualData是寻找正确数据集的最佳选择。VisualData通过监测大学实验室、社交媒体和许多其他可靠来源，来跟踪新发布的开源数据集，并提供可供使用的开源数据集可搜索存档，可按照发布日期、主题、关键字搜索对数据集进行排序，方便找到适合CV应用的正确图像。

共享/查找数据的最佳选择：Graviti

Graviti建立了一个开放的数据集社区，其中，各种企业、机构、研究团队和个人开发人员共享、访问和管理大型数据集。Graviti拥有上千个高质量的开源数据集，可用于50多种应用场景和十几种数据格式，为数据搜索者提供了不断扩展的数据集选择。

大型数据集的最佳选择：ImageNet

ImageNet是市场上最大、最受欢迎的开源数据集之一。ImageNet拥有超过1400万张已手动标注的图像。数据库按WordNet层次结构予以组织，对象级标注通过边界框完成。

使用不同文件格式的最佳选择：Roboflow

Roboflow旨在支持开发人员创建自己的CV/ML模型。作为简化模型构建过程的一部分，Roboflow还具有可用于训练CV模型的开源数据集。这些数据集涵盖各种领域，包括动物、棋类游戏、自动驾驶汽车、医疗、热图像和空中无人机图像。Roboflow还提供一些由合成数据组成的预标注数据集。Roboflow的优势在于它为用户提供了以多种不同格式下载图像的能力。这些格式包括：VOC XML、COCO JSON、YOLOv3平面文本文件和TFRecords。

最新数据集/模糊数据集的最佳选择：GitHub/Kaggle

如果同时处理许多不同的CV项目，那么像GitHub和Kaggle这样的社区构建和共享平台会是最佳选择之一。通过加入这些免费的社区，可以开始构建自己的知识库，了解哪些数据集对于项目最有帮助，还可以与其他数据科学家和机器学习工程师建立联系，他们可能会提供意想不到的帮助。

人物交互视频的最佳选择：Kinetics

Kinetics提供一个开源数据集，其中包含650,000个视频剪辑，涵盖700个人类动作类型。该数据集包括人与物互动、人与人互动。数据集可以细分为700个视频剪辑的部分，且每个视频剪辑均有标注，持续大约10秒。Kinetics数据集是一个高质量的数据集，可用于许多不同的CV应用场景。

识别性别和年龄的最佳选择：IMDB-WIKI

对于训练识别一个人的年龄或性别的CV模型而言，IMDB-WIKI开源数据集是一个很好的选择，在许多不同的网站（如GitHub）上均可找到该数据集。IMDB-WIKI数据集共有523,051张图片。这些图像均从维基百科和IMDB中提取。每张图像均有标注，包括图像中人物的性别、年龄和姓名。这使得该开源数据集成为最大的可公开使用的人脸数据集。

自动驾驶CV模型训练的最佳选择：Berkeley DeepDrive

在自动驾驶汽车上路之前，它们均需要数小时的训练。为使这些CV模型的训练更易获取，加州大学伯克利分校创建了拥有超过10万个视频序列的Berkeley DeepDrive数据集。该数据集为开源数据集，可供公众使用。Berkeley DeepDrive数据集包含各种标注，包括目标边界框、驾驶区域、图像级标记、地面标记和全帧实例分割。

大型、多元化项目的最佳选择：澳鹏Appen

澳鹏Appen拥有超过250个可授权的数据集，可用于各种不同类型的CV项目，包括音频、语音、视频、图像和文字。在我们的预标注数据集中，拥有超过25,000张图像和涵盖80多种语言及方言的870万个单词。

每一个成品预标注数据集都经过精心设计，适合大规模训练高精度的CV模型。在澳鹏Appen，我们与全球超过100万名专业众包合作，并将人工和自动化平台工具相结合，能够为使用多种语言的国际大型项目创建可靠的训练数据集。

同时，澳鹏Appen也可提供全托管的数据采集解决方案及定制化的数据标注服务，为特定的应用场景创建高度定制化的高质量数据集。

预标注CV数据集的兴起使企业能够更容易获取训练CV模型所需的数据。随着越来越多的企业意识到CV模型的强大功能，CV数据集的作用也愈加凸显——它使得企业能够将资源更多地用于构建和训练CV模型，而不在处理数据上浪费过多成本。与此同时，随着这些数据集质量的提高，用于提升整个企业竞争力的CV模型也将得到改善。