計算機視覺使計算機能夠理解圖像和視頻的內容。計算機視覺的目標是使人類視覺系統可以實現任務自動化。

計算機視覺任務包括圖像采集、圖像處理和圖像分析。圖像數據可以采用不同的形式，例如視頻序列，從多個角度的不同的攝像機查看圖像或來自醫療掃描儀的多維數據。

用于計算機視覺訓練的圖像數據集

Labelme：麻省理工學院計算機科學與人工智能實驗室（CSAIL）創建的大型數據集，包含187,240張圖像、62,197條帶注釋的圖像和658,992張帶標簽的對象。

樂高積木：通過文件夾和使用Blender渲染的計算機對大約16700種樂高積木進行分類的大約12,700張圖像。

ImageNet：用于新算法的實際圖像數據集。根據WordNet層次結構進行組織，其中層次結構的每個節點都以成千上萬的圖像進行描繪。

LSUN：具有許多輔助任務的場景理解（房間布局估計、顯著性預測等）

MS COCO：COCO是包含200,000多個標記圖像的大規模對象檢測、分割和字幕數據集。它可以用于對象分割，上下文識別以及許多其他用例。

哥倫比亞大學圖像庫：COIL100是一個數據集，其中包含360個旋轉角度中每個角度成像的100個不同對象。

視覺基因組：視覺基因組是一個數據集和知識庫，旨在將結構化圖像概念與語言聯系起來。該數據庫具有詳細的視覺知識庫，并帶有108,077張圖像的字幕。

Google的開放圖像：“Creative Commons”下900萬個URL的圖像集合，這些URL已用6000多個類別的標簽進行了注釋。

來自“打開圖像”數據集的帶注釋的圖像。

左：Kevin Krejci的《鬼拱門》。右：J B制造的銀制廚房用具。兩個圖像均在CC BY 2.0許可下使用。

Youtube-8M：帶有標簽的大規模數據集，由數百萬個YouTube視頻ID組成，帶有超過3,800多個視覺實體的注釋。

帶標簽的野外面孔：13,000個帶標簽的人臉圖像，用于開發涉及面部識別的應用程序。

斯坦福犬類數據集：包含20,580張圖像和120種不同的犬種類別，每個類別約有150張圖像。

地點：以場景為中心的數據庫，其中包含205個場景類別和250萬個帶有類別標簽的圖像。

CelebFaces：具有超過200,000張名人圖像的人臉數據集，每個圖像帶有40個屬性注釋。

花卉：在英國常見的花朵圖像數據集，包含102個不同類別。每個花類由40至258張圖像組成，這些圖像具有不同的姿勢和光線變化。

植物圖像分析：涵蓋超過一百萬張植物圖像的數據集。可以從11種植物中選擇。

家庭對象：一個數據集，其中包含來自家庭的隨機對象，大部分來自廚房、浴室和客廳，這些對象分為訓練和測試數據集。

CIFAR-10：包含60,000張32×32彩色圖像的大型圖像數據集，分為10類。數據集分為五個訓練批次和一個測試批次，每個批次包含10,000張圖像。

CompCars：包含163種車型，包含1,716種車型，每種車型都標有五個屬性，包括最大速度、排量、門數、座位數和汽車類型。

室內場景識別：非常具體的數據集，非常有用，因為大多數場景識別模型在“外部”效果更好。包含67個室內類別，共15620張圖像。

VisualQA：VQA是一個數據集，包含有關265,016張圖像的開放式問題。這些問題需要對視覺和語言的理解。對于每個圖像，至少有3個問題，每個問題10個答案。

原文標題：機器學習和計算機視覺的前20個圖像數據集

文章出處：【微信公眾號：新機器視覺】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq