【AI】Datasets

Dataset

【Classification】

• CIFAR-10
• CIFAR-100
• COCO
• ImageNet
• MNIST
• SVHN

【Object detection】

• COCO
• PASCAL VOC
• Caltech101

fire & smoke detection

参考来自：火灾检测——相关数据集

• MIVIA Fire Detection Dataset
• FireNet-LightWeight-Network-for-Fire-Detection
• Fire Flame Dataset（Deep Quest AI）
• FIRESENSE Database
• furg-fire-dataset-master (Hüttner et al.)
• CVPR Lab ——KMU Fire and Smoke database
• BoWFireDataset (Chino et al.)
• Sharma’s Dataset (Sharma et al.)

Traffic Sign

• TT100K

【Tracking】

参考来自

• foolwood/benchmark_results
• 目标跟踪方向开源数据集资源汇总

---

• Dataset-AMP: Luka Čehovin Zajc; Alan Lukežič; Aleš Leonardis; Matej Kristan. “Beyond Standard Benchmarks: Parameterizing Performance Evaluation in Visual Object Tracking.” ICCV (2017)

• Dataset-Nfs: Hamed Kiani Galoogahi, Ashton Fagg, Chen Huang, Deva Ramanan and Simon Lucey. “Need for Speed: A Benchmark for Higher Frame Rate Object Tracking.” ICCV (2017)
  

• Dataset-DTB70: Siyi Li, Dit-Yan Yeung. “Visual Object Tracking for Unmanned Aerial Vehicles: A Benchmark and New Motion Models.” AAAI (2017)

• Dataset-UAV123: Matthias Mueller, Neil Smith and Bernard Ghanem. “A Benchmark and Simulator for UAV Tracking.” ECCV (2016)

• Dataset-TColor-128: Pengpeng Liang, Erik Blasch, Haibin Ling. “Encoding color information for visual tracking: Algorithms and benchmark.” TIP (2015)

• Dataset-NUS-PRO: Annan Li, Min Lin, Yi Wu, Ming-Hsuan Yang, and Shuicheng Yan. “NUS-PRO: A New Visual Tracking Challenge.” PAMI (2015)

• Dataset-PTB: Shuran Song and Jianxiong Xiao. “Tracking Revisited using RGBD Camera: Unified Benchmark and Baselines.” ICCV (2013)

• Dataset-ALOV300+: Arnold W. M. Smeulders, Dung M. Chu, Rita Cucchiara, Simone Calderara, Afshin Dehghan, Mubarak Shah. “Visual Tracking: An Experimental Survey.” PAMI (2014)
  

• OTB2013: Wu, Yi, Jongwoo Lim, and Minghsuan Yang. “Online Object Tracking: A Benchmark.” CVPR (2013)

• OTB2015: Wu, Yi, Jongwoo Lim, and Minghsuan Yang. “Object Tracking Benchmark.” TPAMI (2015)

• Dataset-VOT
  

• PathTrack
  

• MOT：The Multiple Object Tracking Benchmark

• VID：Visual Object Tracking benchmark for Large-scale MOTion Analysis，微软研究院和清华大学合作创建，2015

• YouTube-BB数据集（YouTube-Bounding Boxes），谷歌，2016

• DET数据集（PASCAL VOC Detection Challenge）是一个用于图像目标检测的公共数据集，由牛津大学、德国马克斯普朗克研究所以及荷兰阿姆斯特丹大学联合创建。该数据集首次发布于2007年，自那以后已经成为图像目标检测领域的标准基准数据集之一。

• COCO数据集（Common Objects in Context）是一个用于目标检测、分割和关键点检测的大规模公共数据集。该数据集由微软公司于2014年发布，旨在提供一个丰富多样的真实场景图像数据集，以促进计算机视觉领域的研究和发展。

【Segmentation】

• COCO
• PASCAL VOC
• Cityscapes dataset
• LVIS

【Human】

• Caltech Pedestrian Detection Benchmark（Caltech行人数据库）
• COCOPersons，64115 images from the trainval minus minival for training, and the other 2639 images from minival for validation.
• CityPersons
• WiderPerson
• Brainwash
• KITTI
• Cityscapes dataset
• MIT-CBCL Pedestrian Database（MIT行人数据库）
• USC Pedestrian Detection Test Set（USC行人数据库）
• Daimler Pedestrian Detection Benchmark (戴姆勒行人检测标准数据库)
• DukeMTMC-reID
• INRIA Person Dataset（INRIA行人数据库）
• BIWI Walking Pedestrians dataset
• Central Pedestrian Crossing Sequences
• Dataset used in our ICCV '07 paper Depth and Appearance for Mobile Scene Analysis
• Human detection and tracking using RGB-D camera
• CUHK Occlusion Dataset
• CUHK Person Re-identification Datasets
• CUHK Square Dataset
• EuroCity Persons-ECP
• Berkeley DeepDrive-BDD100K
• 滴滴出行 D2-City数据集
• 百度ApolloScape-Trajectory
• 百度ApolloScape-3D Lidar object detection and tracking dataset
• 百度ApolloScape-Scene Parsing
• 旷视人群数据集-CrowdHuman
• 夜间行人数据集 NightOwls dataset

【Face】

detection

• AFLW
• AFW
• FDDB
• PASCAL Face dataset
• WiderFace
• UFDD（Unconstrained Face Detection Dataset ）

recognition

• BUAA VISNIR
• CASIA NIR-VIS 2.0 face database
• CBSR
  
• CFP
• DeepGlint
• IDIAP（Multispectral-Spoof (MSSpoof) — English (idiap.ch)）
• IJBC
• Glint360K
• LFW（Labeled Faces in the Wild）1：1
• MegaFace，欧氏距离
• Oulu-CASIA NIR-VIS
• PolyU NIR face
• WebFace
• WHU VIS-NIR paired face

anti-spoofing

• NUAA——2010
• YALE-Recaptured——2011
• PRINT-ATTACK——2011
• IDIAP Replay-Attack——2012
• CASIA FASD——2012
• MSU MFSD——2016
• MsSpoof——2016
• OULU-NPU——2017
• SiW——2018
• SiW-M——2019
• 3DMAD——2013
• Morpho——2014
• 3DFSDB——2016
• BRSU——2016
• HKBU-MARs-v1——2016
• HKBU-MARs-v2——2020
• Silicone-SMAD——2017
• MLFP——2017
• Rose Youtu——2018
• XCSMAD——2019
• WMCA——2019
• CASIA-SURF——2019
• CeFA——2021

【图像质量】

• ExDark（低光图像）
  下载地址：http://suo.nz/2lidoI
  Exclusively Dark (ExDARK) 数据集是 7,363 张从极低光环境到黄昏（即 10 种不同条件）的低光图像的集合，具有 12 个对象类（类似于 PASCAL VOC），在图像类级别和局部对象边界上进行了注释盒子

• PolyU（图像噪声）
  数据集下载地址：https://sourl.cn/rMsdE8
  大多数以前的图像去噪方法都集中在加性高斯白噪声（AWGN）上。然而，随着计算机视觉技术的进步，现实世界中的噪声图像去噪问题也随之而来。为了在实现并发真实世界图像去噪数据集的同时促进对该问题的研究，作者们构建了一个新的基准数据集，其中包含不同自然场景的综合真实世界噪声图像。这些图像是由不同的相机在不同的相机设置下拍摄的。

• WoodScape（自动驾驶鱼眼）
  下载地址：http://suo.nz/2HMEtL
  WoodScape 包含四个环视摄像头和九项任务，包括分割、深度估计、3D 边界框检测和新型污染检测。为超过 10,000 张图像提供实例级别的 40 个类的语义注释。

标注工具

LabelImg

Labelme

X-AnyLabling（半自动标注）