一个性能优良，极度完美的数据集，具有较小偏差的大数据集，对于计算机视觉领域算法的研究是很重要的，具体非常重要的作用！
在目标检测中，知名的数据集一个接着一个的被发布，被公开，被广大研究者使用，本文是总结目标检测领域的权威数据集，既总结也供有需要的人使用。【后期会将数据集链接加上，方便下载】
下图显示了一些样本及其标注：
其中(a)PASCAL-VOC07,(b)ILSVRC,(c)MS-COCO,and(d)OpenImages。
权威的目标检测数据集主要包括：
1、【Pascal VOC】ASCALVOCChallenges（VOC2007,VOC2012）
在早期的计算机视觉社区，PASCALViSualObjectClasses（VOC）挑战赛（从2005年到2012）是最重要的竞赛之一。在PASCALVOC中是多任务的，包括图像分类，目标检测，语义分割和行为检测。
VOC数据集是目标检测经常用的一个数据集，自2005年起每年举办一次比赛，最开始只有4类，到2007年扩充为20个类，共有两个常用的版本：2007和2012。学术界常用5k的train/val 2007和16k的train/val 2012作为训练集，test 2007作为测试集，用10k的train/val 2007+test 2007和16k的train/val 2012作为训练集，test2012作为测试集，分别汇报结果。
2、【ILSVRC】
ImageNetLargeScaleVisualRecognitionChallenge(ILSVRC)已经将一般的目标检测向前推进了一大步。ILSVRC从2010到2017年每年被组织比赛，其中就包含了用ImageNet图像进行检测。ILSVRC中包含了200类视觉目标，图像和目标实例的数量比VOC大两个数量级。例如，ILSVRC-14就包含了517K张图像和534k被标注的目标
3、【MS-COCO】
MS-COCO是目前最具有挑战性的目标检测，从2015年开始，每年都会举办基于MS-COCO数据集的竞赛，其包含的目标种类要少于ILSVRC，但其有更多的目标实例。例如，MS-COCO-17中包含了164k张图像和897K个被标注来自80个类别的目标。相比于VOC和ILSVRC，MS-COCO最大的进步，除了boundingbox的标注，还有单个实例分割的标注，帮助更准确的定位。另外，MS-COCO包含了更多小目标（其面积小于图像的1%）和更加密集的定位目标比VOC和ILSVRC。MS-COCO的这些特征让其目标分布更接近于真实的世界。MS-COCO已经在目标检测社区变为了实际的标杆。
4、【Open Images】
2018年，OpenImagesDetection(OID)竞赛紧随MS-COCO被引进。在OpenImages中有两个重要的任务：1）标准的目标检测；2）视觉关系检测，即检测具有特定关系的成对目标。对于目标检测任务，此数据集包含了1910k张图像，其中在600多个目标种类上有15440k个标注的boundingbox。
Open Images是google推出的大型数据集。其中图像detection部分包含600个类别框。
| id | 英文名称 | 中文名称 |
| 1 | Tortoise | 乌龟 |
| 2 | Container | 集装箱 |
| 3 | Magpie | 喜鹊 |
| ... |
... | ... |
5、【DOTA】
DOTA是遥感航空图像检测的常用数据集，包含2806张航空图像，尺寸大约为4kx4k，包含15个类别共计188282个实例，其中14个主类，small vehicle 和 large vehicle都是vehicle的子类。其标注方式为四点确定的任意形状和方向的四边形。航空图像区别于传统数据集，有其自己的特点，如：尺度变化性更大；密集的小物体检测；检测目标的不确定性。数据划分为1/6验证集，1/3测试集，1/2训练集。目前发布了训练集和验证集，图像尺寸从800x800到4000x4000不等。
6、【ImageNet】
ImageNet是一个计算机视觉系统识别项目， 是目前世界上图像识别最大的数据库。ImageNet是美国斯坦福的计算机科学家，模拟人类的识别系统建立的。能够从图片识别物体。Imagenet数据集文档详细，有专门的团队维护，使用非常方便，在计算机视觉领域研究论文中应用非常广，几乎成为了目前深度学习图像领域算法性能检验的“标准”数据集。Imagenet数据集有1400多万幅图片，涵盖2万多个类别；其中有超过百万的图片有明确的类别标注和图像中物体位置的标注。
原文链接：https://blog.csdn.net/weixin_45074568/article/details/114951516
除了一般的目标检测，在过去的20年也见证了在特定领域内检测应用的繁荣，例如行人检测，人脸识别，文本检测，交通信号检测和遥感目标检测。
（1）行人检测数据集
（2）人脸检测数据集
（3）文本检测数据集
（4）交通信号灯检测数据集
（5）遥感目标检测数据集
参考总结自：目标检测之公开图像数据集、 https://blog.csdn.net/weixin_45074568/article/details/114951516
