常见数据集

有几个数据集常常听到，但时间一长就容易混淆忘记，现记录如下。持续更新。

Pascal VOC

全称The PASCAL Visual Object Classes，也可简称VOC。

网址：http://host.robots.ox.ac.uk/pascal/VOC/

主题：目标分类

版本：

• The VOC2012 Challenge
• The VOC2011 Challenge
• The VOC2010 Challenge
• The VOC2009 Challenge
• The VOC2008 Challenge
• The VOC2007 Challenge
• The VOC2006 Challenge
• The VOC2005 Challenge

该竞赛现已结束

---

COCO

网址：http://cocodataset.org 

主题：识别、分割

版本：

介绍：

首先是每年的竞赛：coco竞赛从2015年开始，最初的竞赛内容是detection和captioning，2016年加入keypoints，17年加入stuff，18年加入panotic。其中stuff的意思就是图像中的stuff class(grass, wall, sky)，因为以前着重的都是thing class(person, car, elephant)。而panotic则是全景分割，即既要理解thing stuff，又要理解thing class。

然后是各个竞赛对应的标注：

表中可以看出每年的各个竞赛所使用的数据集，后面蓝色字是竞赛内容和年份，前面是对应的数据集及标注。举个例子，1819年的keypoint标注都可以在17年的annotation中找到，没有改变过。

coco api用法：

2017的标注分这些文件，里面是标注信息，分别对应着caption、detection和keypoint三个任务。

以python为例，导入api的库：

from pycocotools.coco import COCO

# 导入annoFile文件
dataDir='..'
dataType='val2017'
annFile='{}/annotations/instances_{}.json'.format(dataDir,dataType)
coco=COCO(annFile)


# getCatIds是一个filter，用于获得符合条件的类别的Id
# loadCats的参数对象是类别的ID，返回值是ID对应的类别。
# 每个类别标注有两类：name和supercategory，用coco.loadCats获取所有cats后访问。
cats = coco.loadCats(coco.getCatIds())
nms=[cat['name'] for cat in cats]
print('COCO categories: \n{}\n'.format(' '.join(nms)))

nms = set([cat['supercategory'] for cat in cats])
print('COCO supercategories: \n{}'.format(' '.join(nms)))

---

 

Cityscapes

网址：https://www.cityscapes-dataset.com

主题：场景理解（分割）

版本：版本唯一，出自CVPR2016

---

RID & RIS

网址：https://github.com/lsy17096535/Single-Image-Deraining

主题：雨天场景下的目标检测

介绍：RID是rain in driving，RIS是rain in surveilance

---