目标检测数据集

1.3分类

目标检测算法方法可以分为两大类：两阶段目标检测算法和端到端目标检测算法。
两阶段目标检测：先进行区域推荐，而后进行目标分类。
端到端目标检测：采用一个网络一步到位

1.4数据集

计算机视觉算法的发展离不开数据集。近十年，目标检测领域出现了许多知名的数据集，包括PASCAL VOC、ImageNet、MS COCO等数据集，这些数据集用于研究者测试算法性能或者用于竞赛。目标检测的性能指标要考虑检测物体的位置以及预测类别的准确性。

Pascal VOC数据集：Pascal VOC早期是计算机视觉领域的竞赛，包括图像分类、目标检测、语义分割等多个领域。Pascal VOC的两个数据集VOC-2007和VOC-2012主要用于目标检测，一共包含20个类别。VOC-2007包含5K张训练图像和12K个注释对象；VOC-2012包含11K张训练图像和27K个注释对象。

ILSVRC数据集：是近年来机器视觉领域最受追捧也是最具权威的学术竞赛之一，ImageNet数据集是ILSVRC竞赛使用的数据集，包含200个类别。ILSVRC-14包含517k张图像和534k个注释对象。

MS-COCO数据集：是目前最具挑战性的目标检测数据集，它包含80个类别、164K张图像和897K个注释对象。除了标注对象位置，还使用实例分割进一步标记对象，有助于精确定位，除此之外，它增加了小对象和密集对象，使数据集的对象分布更接近真实世界。

Open Images数据集：是一个大规模数据集，共含有6000个类别的标签，平均每张图像有8个标签，含有1910K张图像、15440K个注释对象。