人工智能训练常用数据集对比：

数据集名称	类别数量	图片数量	标注类型	适用任务	官网链接
ImageNet	20,000+	1,400 万+	图像分类	图像分类、迁移学习	官网
CIFAR-10	10	60,000	图像分类	小型图像分类	官网
CIFAR-100	100	60,000	图像分类	小型图像分类	官网
MNIST	10	70,000	图像分类	手写数字识别	官网
Fashion-MNIST	10	70,000	图像分类	时尚商品分类	官网
Tiny ImageNet	200	100,000	图像分类	小型多类分类	官网
COCO	80	330,000	边界框、分割掩膜、关键点、图像描述	目标检测、分割、关键点检测、图像描述	官网
PASCAL VOC	20	11,000	边界框、分割标注	目标检测、语义分割	官网
Open Images	600+	9,000,000+	边界框、分割掩膜、属性标注、关系标注	图像分类、目标检测、分割、多标签分类	官网
Places365	365	1,800,000+	场景类别标注	场景分类	官网
Caltech-256	256	30,607	图像分类	对象识别、分类	官网
Oxford-IIIT Pets	37	7,349	图像分类、分割	宠物分类与分割	官网
Food-101	101	101,000	图像分类	食品分类、食品识别	官网
Flowers-102	102	8,189	图像分类	花卉分类	官网
DTD	47	5,640	纹理分类	材料分类、纹理分析	官网
SUN	397	130,519	场景类别标注	场景分类	官网
iNaturalist	8,590	437,513	图像分类	生物物种分类	官网
DeepFashion	50+ 属性类别	800,000	分类、属性预测、关键点检测	时尚推荐、服饰搜索	官网
Animals with Attributes 2 (AwA2)	50	37,322	图像分类、属性标注	动物分类、零样本学习	官网
LibriSpeech	-	1,000 小时语音数据	文本与语音对齐	语音识别	官网

1. ImageNet#

简介：ImageNet 是最经典的大规模图像数据集之一，包含超过 1400 万张标注图片，覆盖 2 万多个类别。
应用：广泛用于深度学习模型的图像分类和迁移学习研究。
挑战：ImageNet Large Scale Visual Recognition Challenge (ILSVRC) 提供复杂的多类分类和目标检测任务。
链接：ImageNet官网

2. CIFAR-10 和 CIFAR-100#

简介：分别包含 10 类和 100 类物体类别，每类有 6000 张 32×32 分辨率的彩色图片。
特点：由于图片较小，适合初学者快速训练模型；CIFAR-100 的类别更细化。
应用：用于研究模型的快速训练和优化。
链接：CIFAR官网

3. MNIST#

简介：由 70,000 张手写数字 (0-9) 的灰度图像组成，分辨率为 28×28。
特点：简单、轻量级，是图像分类和机器学习的入门数据集。
扩展：Fashion-MNIST 是其替代版本，包含 10 类时尚商品图片。
链接：MNIST官网

4. Tiny ImageNet#

简介：ImageNet 的简化版，包含 200 个类别，每个类别有 500 张训练图片。
特点：图片尺寸为 64×64，比 CIFAR 更复杂，但比完整的 ImageNet 轻量。
应用：适合中型任务的快速模型评估。
链接：Tiny ImageNet官网

5. Places365#

简介：专注于场景识别的数据集，包含 365 个场景类别和超过 180 万张图片。
特点：适用于场景分类和图像理解任务。
应用：如智能家居系统、自动驾驶中的场景分析。
链接：Places365官网

6. Caltech-256#

简介：包含 30,607 张图片，分为 256 个类别。
特点：数据类别分布均匀，每个类别的图片数量适中（最少 80 张，最多 827 张）。
应用：小型图像分类和对象识别任务。
链接：Caltech官网

7. Oxford-IIIT Pet Dataset#

简介：包含 37 个宠物类别，每类有大约 200 张图片，标注了每张图片的类别和分割边界。
特点：专注于宠物图像的分类和分割任务。
应用：动物识别、分割和生成任务。
链接：Oxford Pet Dataset官网

8. Food-101#

简介：包含 101 种食品类别，每类 1000 张图片。
特点：类别均衡，适合美食分类和食品识别应用。
应用：餐饮推荐、自动菜单生成等。
链接：Food-101官网

9. Flowers-102#

简介：包含 102 种花卉类别，每类 40 到 258 张图片。
特点：提供高质量图片，分类任务适合用于研究特定领域的视觉识别。
应用：植物分类、花卉识别。
链接：Flowers-102官网

10. Open Images Dataset#

简介：谷歌提供的大型数据集，包含 900 万张图片，标注了 600 个类别。
特点：图片中包含多种对象，并提供了位置信息和分割掩膜。
应用：图像分类、目标检测、多标签任务。
链接：Open Images官网

11. DTD (Describable Textures Dataset)#

简介：包含 47 种可描述纹理类别，如条纹、波纹、网状等，每类约 120 张图片。
特点：关注纹理的识别，适合纹理建模任务。
应用：材料分类、纹理分析。
链接：DTD官网

12. SUN (Scene Understanding Database)#

简介：包含 397 类场景类别，共约 13 万张标注图片。
特点：场景类别丰富，适用于细粒度场景分类任务。
应用：视觉理解、智能监控系统。
链接：SUN官网

13. iNaturalist#

简介：自然界生物分类的数据集，覆盖 8590 个类别，主要包含植物和动物的图像。
特点：类别数量大且数据分布不平衡。
应用：生物物种分类、生态学研究。
链接：iNaturalist官网

14. DeepFashion#

简介：包含 80 万张服饰图片，涵盖服装分类、属性预测、关键点检测等任务。
特点：丰富的服装样式和标注。
应用：时尚推荐、服装搜索。
链接：DeepFashion官网

15. Animals with Attributes (AwA2)#

简介：包含 37,322 张动物图片，分为 50 个类别，并提供属性标注。
特点：结合图像分类和属性预测任务。
应用：跨领域学习、零样本学习。
链接：AwA2官网

16. COCO (Common Objects in Context)#

简介：COCO 是一个广泛用于计算机视觉任务的大型数据集，包含超过 33 万张图片，涵盖 80 个常见物体类别。
特点：
- 多任务支持：不仅包含图像分类，还支持目标检测、分割、关键点检测、图像描述生成等任务。
- 标注丰富：每张图片包含多个对象的边界框标注、分割掩膜、物体类别、每个物体的关键点信息。
- 背景复杂：图片中物体通常在自然背景中，增强了数据的多样性和复杂性。
应用：常用于目标检测、实例分割、图像描述等任务。
链接：COCO官网

17. PASCAL VOC (Visual Object Classes)#

简介：PASCAL VOC 是一个经典的目标检测数据集，最初用于图像分类任务，后扩展到目标检测、分割等任务，包含 20 类物体。
特点：
- 较小规模：包括 11,000 张图像，涵盖 20 个物体类别（如人、动物、交通工具等）。
- 高质量标注：每个物体都有详细的边界框标注，部分数据集还提供分割标注。
- 广泛使用：是目标检测和分割任务的经典基准数据集。
应用：目标检测、图像分类、语义分割。
链接：PASCAL VOC官网

18. Open Images#

简介：Open Images 是由 Google 提供的大规模数据集，包含约 900 万张图像，支持多种计算机视觉任务，包括图像分类、目标检测和图像分割等。
特点：
- 海量数据：不仅包含大量图像，还支持 600 多个类别的物体标注，适合多类别的图像识别任务。
- 详细标注：提供了边界框、分割掩膜、物体属性（如颜色、材质）以及关系标注。
- 多样性：图像内容丰富，涵盖多个场景和各种物体，且标注信息完整。
应用：图像分类、目标检测、实例分割、多标签分类等任务。
链接：Open Images官网

如何选择适合的数据集？#

根据任务目标：
- 目标是场景识别？选择 Places365。
- 目标是细粒度分类？选择 Oxford-IIIT Pet 或 iNaturalist。
根据数据规模：
- 小规模实验：使用 CIFAR、Flowers-102。
- 大规模实验：使用 ImageNet、Open Images。
考虑领域需求：
- 如果是医疗领域，选择 ChestX-ray14。
- 如果是时尚领域，选择 DeepFashion。