出于科研需要，開(kāi)一個(gè)帖子來(lái)總結(jié)一下自己在閱讀文獻(xiàn)中遇到過(guò)的數(shù)據(jù)庫(kù)，也方便之后再使用。
分類+檢測(cè)數(shù)據(jù)庫(kù)
ImageNet
ImageNet,無(wú)需多言，上介紹：
What is ImageNet?
ImageNet is an image dataset organized according to the WordNet hierarchy. Each meaningful concept in WordNet, possibly described by multiple words or word phrases, is called a "synonym set" or "synset". There are more than 100,000 synsets in WordNet, majority of them are nouns (80,000+). In ImageNet, we aim to provide on average 1000 images to illustrate each synset. Images of each concept are quality-controlled and human-annotated. In its completion, we hope ImageNet will offer tens of millions of cleanly sorted images for most of the concepts in the WordNet hierarchy.
ImageNet是一個(gè)根據(jù)WordNet層級(jí)組織起來(lái)的數(shù)據(jù)庫(kù)。每一個(gè)在WordNet上有意義的概念，可能是通過(guò)一個(gè)詞，也可能是通過(guò)多個(gè)詞組織起來(lái)的。都被稱作“同義詞組”。在WordNet上大約有100000個(gè)同義詞組（概念），其中8000多個(gè)是名詞。在ImageNet上，我們的目標(biāo)是為每一個(gè)概念提供1000個(gè)圖像。每一個(gè)圖像都有質(zhì)量保證和人工標(biāo)注。在完成后，我們希望能夠提供百萬(wàn)級(jí)的分類好的圖片。
與其相關(guān)的競(jìng)賽是 ILSVRC。
分類數(shù)據(jù)庫(kù)
MNIST
MNIST 是大牛Yan LeCun的工作之一，用來(lái)識(shí)別手寫(xiě)數(shù)字。簡(jiǎn)介：
The MNIST database of handwritten digits, available from this page, has a training set of 60,000 examples, and a test set of 10,000 examples. It is a subset of a larger set available from NIST. The digits have been size-normalized and centered in a fixed-size image.
It is a good database for people who want to try learning techniques and pattern recognition methods on real-world data while spending minimal efforts on preprocessing and formatting.
MNIST數(shù)據(jù)庫(kù)是手寫(xiě)數(shù)字的數(shù)據(jù)庫(kù)（人寫(xiě)的數(shù)字）。它包括訓(xùn)練集（60000個(gè)實(shí)例），測(cè)試集（10000個(gè)實(shí)例）。它是NIST數(shù)據(jù)庫(kù)的一個(gè)子集。這些數(shù)字大小相同，而且都位于圖像中央。
它可以幫助科研人員測(cè)試學(xué)習(xí)技術(shù)和模式識(shí)別方法。
CIFAR
CIFAR 是多倫多大學(xué)計(jì)算機(jī)科學(xué)系維護(hù)的一個(gè)數(shù)據(jù)庫(kù)，全稱是Canadian Institute for Advanced Research，都是分類好的圖片，用來(lái)測(cè)試算法分類的錯(cuò)誤率的。既然是多倫多大學(xué)的，果然……CIFAR有Hinton大神參與維護(hù)。CIFAR又分為CIFAR-10和CIFAR-100，其實(shí)就是10個(gè)類別和100個(gè)類別的區(qū)別。
CIFAR-10包括了60000張32x32的彩色圖片，共分為10類，每一類6000張圖片?？偣灿?0000個(gè)訓(xùn)練圖像和10000個(gè)測(cè)試圖像。
這個(gè)數(shù)據(jù)庫(kù)被分為5個(gè)訓(xùn)練批次（batch）和1個(gè)測(cè)試批次，每個(gè)批次10000張圖片。測(cè)試批次準(zhǔn)確包括了每個(gè)類別各1000張隨機(jī)選擇的圖片。訓(xùn)練批次包含了隨機(jī)選擇的剩余的圖片，也就是說(shuō)，某些訓(xùn)練批次可能包含的某一個(gè)類別的圖片會(huì)多一些?？偣布悠饋?lái)，這五個(gè)訓(xùn)練批次共包含每類5000張圖片。
這些分類都是互斥的。沒(méi)有重疊，比如說(shuō)有兩個(gè)類是汽車（automobile）和卡車（truck）。汽車包括轎車，SUV等?？ㄜ囍话ù罂ㄜ嚒Ｄ阋獑?wèn)我皮卡怎么算？答案是兩個(gè)類里面都沒(méi)有皮卡。
CIFAR-100差不多，就是類別多了10倍，每一類的圖片的數(shù)量不同。詳細(xì)的需要的時(shí)候再去看吧。
YFCC100
YFCC100是雅虎的圖片/視頻分類數(shù)據(jù)庫(kù)。
檢測(cè)數(shù)據(jù)庫(kù)
PASCAL VOC 2007/2012
Visual Object Classes Challenge 2012 (VOC 2012) 是牛津大學(xué)出品的數(shù)據(jù)庫(kù)，用來(lái)識(shí)別物體。簡(jiǎn)介：
The main goal of this challenge is to recognize objects from a number of visual object classes in realistic scenes (i.e. not pre-segmented objects). It is fundamentally a supervised learning learning problem in that a training set of labelled images is provided. The twenty object classes that have been selected are:
Person: person
Animal: bird, cat, cow, dog, horse, sheep
Vehicle: aeroplane, bicycle, boat, bus, car, motorbike, train
Indoor: bottle, chair, dining table, potted plant, sofa, tv/monitor
There are three main object recognition competitions: classification, detection, and segmentation, a competition on action classification, and a competition on large scale recognition run by ImageNet. In addition there is a "taster" competition on person layout.
VOC2012的主要目標(biāo)是從真實(shí)場(chǎng)景中識(shí)別物體。它的基本作用是為監(jiān)督學(xué)習(xí)問(wèn)題提供一個(gè)訓(xùn)練集。20個(gè)物體類別是：
- 人：人
- 動(dòng)物：鳥(niǎo)，毛，牛，狗，馬，羊
- 交通工具： 飛機(jī)，自行車，傳，公交，轎車，摩托車，火車；
- 室內(nèi)物體：瓶子，椅子，餐桌，盆栽植物，沙發(fā)，電視/顯示器
物體識(shí)別主要有三類任務(wù)：
- 分類，檢測(cè)和分割
- 動(dòng)作分類
- 大尺度識(shí)別（by ImageNet）
- 額外的：人體輪廓
COCO
COCO 是一個(gè)新的圖像識(shí)別，分割，標(biāo)記數(shù)據(jù)庫(kù)。這里面的圖像都已經(jīng)預(yù)先分割好了，就看你的算法分割的錯(cuò)誤率低不低了。與其相關(guān)的競(jìng)賽是COCO 2016 Detection and Keypoint Challenges
KITTI
KITTI Vision Benchmark Suite，測(cè)試自動(dòng)駕駛 。這個(gè)庫(kù)里面的圖片都是汽車在行駛過(guò)程中在Karlruhe這個(gè)城市拍攝的街景，都有標(biāo)簽。比較小，只有289張訓(xùn)練圖片。
其中一些道路標(biāo)簽包括：Highway, minor road
分割數(shù)據(jù)庫(kù)
CityScapes Dataset
CityScapes dataset 目標(biāo)是城市街景的語(yǔ)義理解（感覺(jué)就是城市街景里面的物體識(shí)別）。特點(diǎn)：
Type of annotations
- Semantic
- Instance-wise
- Dense pixel annotations
Complexity
- 30 classes
- See Class Definitions for a list of all classes and have a look at the applied labeling policy.
Diversity
- 50 cities
- Several months (spring, summer, fall)
- Daytime
- Good/medium weather conditions
- Manually selected frames
- Large number of dynamic objects
- Varying scene layout
- Varying background
Volume
- 5?000 annotated images with fine annotations (examples)
- 20?000 annotated images with coarse annotations (examples)
