目标检测常用数据集

目标检测常用数据集

---

References：

1. https://blog.csdn.net/liuxiao214/article/details/80552026

---

1. Pascal VOC

VOC数据集是目标检测经常用的一个数据集，从05年到12年都会举办比赛（比赛task： Classification 、Detection（将图片中所有的目标用bounding box框出来） 、 Segmentation（将图片中所有的目标分割出来）、Person Layout）。

• 介绍一下VOC数据集，以2007版为例，一共包含了20类：

person
bird, cat, cow, dog, horse, sheep
aeroplane, bicycle, boat, bus, car, motorbike, train
bottle, chair, dining table, potted plant, sofa, tv/monitor

• 关于数据集：

1. 所有的标注图片都有Detection需要的label, 但只有部分数据有Segmentation Label。
2. VOC2007中包含9963张标注过的图片, 由train/val/test三部分组成， 共标注出24,640个物体。
3. VOC2007的test数据label已经公布, 之后的没有公布（只有图片，没有label）
4. 对于检测任务，VOC2012的trainval/test包含08-11年的所有对应图片。trainval有11540张图片共27450个物体。

2. COCO

和VOC相比，coco数据集，小目标多、单幅图片目标多、物体大多非中心分布、更符合日常环境，所以coco检测难度更大。COCO包含80k训练图像、40k验证图像、和20k没有公开标记的测试图像(test-dev)，80个类别，平均每张图7.2个目标。通常是用80k训练和35k验证图像的并集作为训练，其余5k图像作为验证，20k测试图像用于线上测试。

1）Object segmentation（2）Recognition in Context（3）Multiple objects per image（4）More than 300,000 images（5）More than 2 Million instances（6）80 object categories（7）5 captions per image（8）Keypoints on 100,000 people

coco数据集以场景理解为目标,从复杂的日常场景中截取,图像中的目标通过精确的Segmentation进行位置的标定,包含91类目标.

转载请注明出处，谢谢！