目标检测算法——图像分割数据集汇总（附下载链接）

>>>深度学习Tricks，第一时间送达<<<

近期，小海带在空闲之余，收集整理了一批图像分割数据集供大家参考。 整理不易，小伙伴们记得一键三连喔！！！

目录

一、Stanford Background Dataset

二、PASCAL-PART 

三、PASCAL-CONTEXT 

四、Microsoft Common Objects in Context 

五、天空图像数据集 

六、CO-SKEL数据集 

关于YOLO算法改进及论文投稿可关注并留言博主的CSDN/QQ

>>>一起交流！互相学习！共同进步！<<<

---

一、Stanford Background Dataset

数据集链接：http://dags.stanford.edu/projects/scenedataset.html

SBD 由斯坦福大学建立,用于衡量语义级场景解析算法的性能.该数据集包含 725 张图片,分别从 LabelMe、 PASCAL VOC 等数据集中抽取而来.图片大多为户外场景类型,大小较为规整,每张图片至少包含 1 个前景对象。

二、PASCAL-PART 

数据集链接：PASCAL-Part Dataset

PASCAL-PART 数据集中的图片大都出自 PASCAL VOC 2010,分为训练集、验证集和测试 集这3个部分,每部分中的图像都含有像素级标注, 能够提供丰富的细节信息.PASCAL-PART 每张图像中,目标物体的不同部位都有精确注,可为物体解析和ISS任务提供详细标注的样本。

三、PASCAL-CONTEXT 

数据集链接：PASCAL-Context Dataset

PASCAL-CONTEXT 数据集由 PASCAL VOC 2010 数据集改进和扩展而来,里面增加了更多的物体标注和场景信息,总共包含540个语义类别的图像标注.在算法评估时,一般选取前 59 类作为分割评判标准。

四、Microsoft Common Objects in Context 

数据集链接：COCO - Common Objects in Context

MS COCO 数据集早先是微软公司进行图像测试的一个大型数据库,后来,微软公司将其开源和推广.MS COCO 数据集总共包含 81 种类别(包括背景)、 328 000 张图像、 2 500 000 个物体实例和 100 000 个人体关键部位标注,大部分图片从复杂的日常场景中获取,图中的物体具有精确的位置标注。

五、天空图像数据集 

数据集下载链接：http://suo.nz/1ykW0L

Sky 数据集包含 60 张带有地面实况的图像，用于天空分割。它基于 R. Fergus 15/02/03 的 Caltech Airplanes Side 数据集。选择数据集中包含天空区域的那些图像，并为它们创建地面实况。原始数据集图像名称保持不变。

六、CO-SKEL数据集 

数据集下载链接：http://suo.nz/1FR95s

该数据集由分类骨架和分割掩码组成，用于评估协同骨架化方法。

关于YOLO算法改进及论文投稿可关注并留言博主的CSDN/QQ

>>>一起交流！互相学习！共同进步！<<<