计算机视觉领域中，数据集是算法训练和评估的基础。本文将介绍一系列用于不同计算机视觉任务的数据集，包括对象检测、实例分割、姿态估计、分类和多目标跟踪等。这些数据集不仅为研究人员提供了丰富的资源，也为算法的比较和优化提供了平台。
对象检测数据集
对象检测是计算机视觉中的一项基础任务，旨在识别图像中的目标并确定其位置。以下是一些主要的对象检测数据集：
Argoverse 数据集包含了丰富的城市环境3D追踪和运动预测数据。
COCO 数据集是一个大规模的对象检测、实例分割和描述数据集，包含80个目标类别。
LVIS 数据集是一个包含1203个对象类别的大规模对象检测、实例分割和描述数据集。
COCO8 和 COCO128 数据集是 COCO 数据集的子集，分别包含前4张和前128张图像，适合快速测试。
Objects365 数据集是一个高质量的大规模对象检测数据集，包含365个目标类别和60万个以上的标注图像。
OpenImagesV7 数据集由Google提供，包含170万个带标签的图像和4.2万个验证图像。
SKU-110K 数据集专为零售环境中的高密度对象检测设计，包含超过11K个图像和170万个边界框。
VisDrone 数据集包含由无人机捕获的图像中的对象检测和多目标跟踪数据，包含10K以上的图像和视频序列。
VOC 数据集是用于对象检测和分割的PASCAL视觉对象类别数据集，包含20个对象类别和超过11,000个图像。
xView 数据集是一个用于从头顶图像中检测对象的数据集，包含60个目标类别和超过100万个标注。
Roboflow 100 数据集是一个包含100个数据集的多样化对象检测基准，涵盖7个图像领域，用于全面模型评估。
Brain Tumor 数据集包含用于检测脑肿瘤的MRI或CT扫描图像，其中包含肿瘤的存在、位置和特征的详细信息。
African Wildlife 数据集包含非洲野生动物的图像，如水牛、大象、犀牛和斑马。
Signatures 数据集由带有注释的签名组成，支持文档验证和欺诈检测研究。
实例分割数据集
实例分割是计算机视觉中的一个高级任务，它要求在像素级别上识别和定位图像中的目标。以下是一些主要的实例分割数据集：
COCO 数据集同样适用于实例分割任务，包含200万个以上标注的图像。
COCO8-seg 和 COCO128-seg 数据集是 COCO 数据集的子集，专门用于实例分割任务，分别包含8张和128张带有分割注释的图像。
Crack Segment 数据集是为检测道路和墙壁上的裂缝而特别制作的，适用于对象检测和分割任务。
Package Segment 数据集是为在仓库或工业环境中识别包裹而定制的，适用于对象检测和分割应用。
Carparts-seg 数据集是为识别汽车零部件而特别制作的，满足设计、制造和研究需求，适用于对象检测和分割任务。
姿态估计数据集
姿态估计是一种计算机视觉技术，用于确定对象相对于相机或世界坐标系的姿态。以下是一些主要的姿态估计数据集：
COCO 数据集包含用于姿态估计任务的人姿态注释。
COCO8-pose 数据集是一个更小的数据集，包含8张带有人姿态注释的 COCO 图像子集，适用于姿态估计任务。
Tiger Pose 数据集是一个紧凑的数据集，包含263张以老虎为焦点的图像，每只老虎都有12个关键点被注释，用于姿态估计任务。
Hand-Keypoints 数据集包含超过26,000张以人手为中心的图像，每只手都标注了21个关键点，专为姿态估计任务设计。
分类数据集
图像分类是计算机视觉中的一个任务，它涉及根据图像的视觉内容将其归类为一个或多个预定义的类别。以下是一些主要的分类数据集：
Caltech 101 数据集包含101个对象类别的图像，适用于图像分类任务。
Caltech 256 数据集是 Caltech 101 的扩展版本，包含256个对象类别和更难的图像。
CIFAR-10 数据集是一个由10个类别组成的60K 32x32彩色图像数据集（每个类别6K图像）。
CIFAR-100 数据集是 CIFAR-10 的扩展版本，包含100个对象类别，每个类别包含600张图像。
Fashion-MNIST 数据集包含70,000张黑白图像，涵盖10种时尚类别，适用于图像分类任务。
ImageNet 数据集是一个大规模的数据集，包含1400万个以上的图像和20,000多个类别，适用于对象检测和图像分类。
ImageNet-10 数据集是 ImageNet 的一个小子集，包含10个类别，用于更快的实验和测试。
ImageWoof 数据集是 ImageNet 的一个更困难的子集，包含10种易于区分的狗的品种类别。
MNIST 数据集包含70,000张手写数字的灰度图像，适用于图像分类任务。
MNIST160 数据集包含MNIST数据集中每个类别的前8张图像，总共包含160张图像。
OBB数据集
OBB（Oriented Bounding Box）是一种使用旋转边界框来检测图像中倾斜物体的计算机视觉方法，主要应用于航空和卫星图像。以下是一些主要的OBB数据集：
DOTA-v2 数据集是一个流行的OBB航空图像数据集，包含170万个实例和11,268张图像。
DOTA8 数据集是 DOTAv1 分割集的前8张图像的子集，其中4张用于训练，4张用于验证，适合快速测试。
多目标跟踪数据集
多目标跟踪是一种计算机视觉技术，用于在视频序列中随时间检测和跟踪多个目标。以下是一些主要的多目标跟踪数据集：
Argoverse 数据集包含了丰富的城市环境3D追踪和运动预测数据，适用于多目标跟踪任务。
VisDrone 数据集包含由无人机捕获的图像中的对象检测和多目标跟踪数据，包含10K以上的图像和视频序列。
贡献新数据集
如果想为计算机视觉领域贡献一个新的数据集，需要遵循一些步骤以确保与现有基础设施的良好集成。以下是必要的步骤：
收集图像：可以从公共数据库或个人收藏中收集属于数据集的图像。
标注图像：根据任务的不同，可以使用边界框、分割或关键点来标注图像。
导出标注：将这些标注导出为支持YOLO *.txt文件格式的Ultralytics。
组织数据集：将数据集整理成正确的文件夹结构。需要有顶级目录和每个目录中的images/和labels/子目录。
创建data.yaml文件：在数据集的根目录中创建一个描述数据集、类别和其他相关信息的data.yaml文件。
（可选）图像优化：为了更高效的处理，可以使用以下代码来优化数据集的大小。虽然不是必需的，但为了减小数据集大小和提高下载速度，建议这样做。
压缩数据集：将整个数据集文件夹压缩成zip文件。
文档和PR：创建一个解释数据集如何适应现有框架的文档页面。然后，按照Ultralytics贡献指南提交一个Pull Request（PR）。
数据集优化和压缩代码示例
以下是使用Ultralytics工具优化和压缩数据集的代码示例：
from pathlib import Path
from ultralytics.data.utils import compress_one_image
from ultralytics.utils.downloads import zip_directory
# 定义数据集目录
path = Path("path/to/dataset")
# 优化数据集中的图像（可选）
for f in path.rglob("*.jpg"):
compress_one_image(f)
# 将数据集压缩成 'path/to/dataset.zip'
zip_directory(path)
可以按照上述步骤为Ultralytics的现有结构贡献一个新的数据集。
常见问题解答
Ultralytics支持哪些对象检测数据集？
Ultralytics支持多种对象检测数据集，包括：
COCO：一个大规模的对象检测、分割和描述数据集，包含80个目标类别。
LVIS：一个广泛的数据集，包含1203个目标类别，专为更细粒度的对象检测和分割设计。
Argoverse：包含丰富的城市环境3D追踪和运动预测数据。
VisDrone：包含由无人机捕获的图像中的对象检测和多目标跟踪数据。
SKU-110K：在零售环境中进行高密度对象检测，包含超过11K个图像。
这些数据集为各种对象检测应用的强大模型学习提供了便利。
如何为Ultralytics贡献新数据集？ 贡献新数据集涉及几个步骤： 收集图像：从公共数据库或个人收藏中收集图像。 标注图像：根据任务的不同，应用边界框、分割或关键点。 导出标注：将标注导出为YOLO *.txt格式。 组织数据集：使用train/和val/目录，每个目录中都有images/和labels/子目录。 创建data.yaml文件：包括数据集描述、类别和其他相关信息。 （可选）图像优化：为了效率，减小数据集大小。 压缩数据集：将数据集压缩成zip文件。 文档和PR：描述数据集并按照Ultralytics贡献指南提交Pull Request（PR）。 更多详细信息，请访问。
为什么应该使用Ultralytics Explorer来使用数据集？ Ultralytics Explorer为数据集分析提供了强大的功能，包括： 生成嵌入：为图像创建向量嵌入。 语义搜索：使用嵌入或AI搜索相似图像。 SQL查询：运行高级SQL查询进行详细数据分析。 自然语言搜索：使用普通语言查询进行搜索，便于使用。 更多详细信息，请查看并尝试。
Ultralytics YOLO模型在计算机视觉方面有哪些独特功能？ Ultralytics YOLO模型提供了几个独特的功能： 实时性能：高速推理和训练。 多功能性：适用于检测、分割、分类和姿态估计任务。 预训练模型：访问各种应用的高性能预训练模型。 广泛的社区支持：活跃的社区和全面的文档，用于故障排除和开发。