图像分类公开数据集信息汇总

一、前言

以下是对37个图像分类公开数据集的总结，分别图片数量，类别，以及包含图像内容的一些信息。旨在对于图像分类任务，当有模型在以下公开数据集上的精度评估数据，可以对比公开数据集和自己业务数据集的特点，模型选型时做一个参考，帮助选择更有利于自己业务数据集的模型，再进行调优可能效率更高。

如有遗漏，请留言。

二、数据集概述：

1. ImageNet 1K

• 图片数量：约130万张训练图像，5万张验证图像，50,000张测试图像。
• 类别：包含1000个类（1K）。
• 图片内容：涵盖广泛类别，如动物、植物、工具、车辆等。
• 图片大小：通常处理为224x224像素。
• 格式：JPEG格式。
• 用途：被广泛用于图像分类任务和预训练模型的基准测试【41†source】【42†source】。

2. Caltech-101

• 图片数量：约9,000张。
• 类别：101个物体类别（以及1个背景类别）。
• 图片内容：每个类别包含约40到800张图像，涉及各种物体，如动物、工具、花卉等。
• 图片大小：大多数图像的长或宽不超过300像素。
• 格式：JPEG格式。

3. CIFAR-10

• 图片数量：60,000张（50,000张训练图像，10,000张测试图像）。
• 类别：10类，如飞机、汽车、鸟、猫等。
• 图片内容：每张图像尺寸为32x32像素的彩色图像。
• 格式：PNG格式。

4. CIFAR-100

• 图片数量：60,000张（50,000张训练图像，10,000张测试图像）。
• 类别：100类，涵盖更细致的类别，如鱼类、花卉等。
• 图片大小：32x32像素。
• 格式：PNG格式。

5. CLEVR Counts / CLEVR Distance

• 图片数量：包含100,000张合成图像。
• 内容：包含多物体场景，用于推理任务（如计算物体数量、测量物体之间的距离）。
• 图片大小：320x240像素。
• 格式：PNG格式。

6. Country211

• 图片数量：约211,000张。
• 类别：211个国家和地区。
• 内容：图像涵盖了与各国相关的各种场景（如自然景观、建筑、标志性地点）。
• 用途：用于地理定位任务和国家识别。

7. Describable Textures Dataset (DTD)

• 图片数量：约5,640张。
• 类别：47个纹理类别（如条纹、波浪、斑点）。
• 内容：专注于纹理模式和视觉属性。
• 用途：纹理分类、风格识别等。

8. EuroSAT

• 图片数量：27,000张。
• 类别：10类（如农田、森林、城市）。
• 内容：卫星图像，基于 Sentinel-2 数据。
• 图片大小：64x64像素。
• 用途：遥感图像分类。

9. FGVC Aircraft

• 图片数量：约10,000张。
• 类别：102种飞机型号。
• 内容：飞机图像，关注细粒度分类。
• 用途：细粒度视觉分类（FGVC）任务。

10. Food-101

• 图片数量：101,000张（每类1,000张）。
• 类别：101种食物类别。
• 内容：餐饮、菜肴图像（如披萨、寿司、汉堡）。
• 用途：食品图像分类和识别。

11. GTSRB (German Traffic Sign Recognition Benchmark)

• 图片数量：约51,000张。
• 类别：43种交通标志。
• 内容：德国交通标志图像。
• 用途：自动驾驶、交通标志识别。

12. ImageNet Sketch

• 图片数量：约50,000张。
• 类别：ImageNet 1K 类别的草图版本。
• 用途：用于测试模型的泛化能力（尤其是处理草图数据）。

13. ImageNet v2

• 图片数量：10,000张。
• 内容：ImageNet 1K 的验证集扩展。
• 特点：新收集图像，用于评估泛化能力。

14. ImageNet-A

• 图片数量：7,500张。
• 特点：包含对抗样本和难分类的图像。
• 用途：测试模型在困难场景中的鲁棒性。

15. ImageNet-O

• 图片数量：约2,000张。
• 特点：图像来自 ImageNet 类别之外，测试开放集性能。

16. ImageNet-R

• 图片数量：30,000张。
• 特点：风格化图像（如艺术、卡通）。
• 用途：测试鲁棒性和风格转移泛化能力。

17. KITTI Vehicle Distance

• 图片数量：约15,000张（从KITTI数据集中提取）。
• 内容：自动驾驶场景中的车辆和距离估计。
• 用途：车辆检测、自动驾驶感知。

18. MNIST

• 图片数量：70,000张（60,000张训练，10,000张测试）。
• 类别：10类（数字0-9）。
• 图片大小：28x28像素的灰度图像。
• 用途：手写数字识别基准测试。
  数据集特点（续）：

19. ObjectNet

• 图片数量：50,000张。
• 类别：来自ImageNet 1K的大多数类别。
• 特点：拍摄角度和背景多样，旨在评估模型在真实场景中的鲁棒性。
• 用途：评估物体识别模型在非标准条件下的泛化能力。

20. Oxford Flowers-102

• 图片数量：8,189张。
• 类别：102种花卉类别。
• 内容：高分辨率花卉图像。
• 用途：细粒度分类、图像分割任务。

21. Oxford-IIIT Pet

• 图片数量：7,349张。
• 类别：37种宠物（猫和狗）品种。
• 内容：宠物图像，包含边界框和分割标签。
• 用途：物种分类、分割和检测任务。

22. Pascal VOC 2007

• 图片数量：9,963张。
• 类别：20个物体类别（如人、车、动物）。
• 标注：提供分类、检测、分割标注。
• 用途：目标检测和分割基准。

23. PatchCamelyon

• 图片数量：327,680张。
• 类别：2类（癌症和非癌症）。
• 内容：病理学图像（来自Camelyon16）。
• 用途：用于癌症检测和病理图像分类。

24. Rendered SST2

• 图片数量：约70,000张（基于文本渲染）。
• 类别：情感分类（正面、负面）。
• 用途：情感分析任务。

25. RESISC45

• 图片数量：31,500张。
• 类别：45类遥感图像（如机场、河流、农田）。
• 用途：遥感场景分类。

26. Stanford Cars

• 图片数量：16,185张。
• 类别：196种车款。
• 内容：不同车款和车型的图像。
• 用途：细粒度汽车分类任务。

27. STL-10

• 图片数量：13,000张（训练集5,000张，测试集8,000张）。
• 类别：10类。
• 图片大小：96x96像素。
• 用途：半监督学习基准。

28. SUN397

• 图片数量：108,754张。
• 类别：397类场景类别（如海滩、教室、森林）。
• 用途：场景分类任务。

29. SVHN (Street View House Numbers)

• 图片数量：超过600,000张。
• 类别：10类（数字0-9）。
• 内容：街景图像中的门牌号码。
• 用途：数字识别。

30. Flickr30k

• 图片数量：31,783张。
• 内容：包含多种场景的图像，每张配有5条描述。
• 用途：图像字幕生成、跨模态检索。

31. MSCOCO (Microsoft Common Objects in Context)

• 图片数量：约330,000张。
• 类别：80个对象类别。
• 标注：包含边界框、分割、关键点和图像描述。
• 用途：图像检测、分割、字幕生成。

32. WinoGAViL

• 特点：语言推理数据集，针对视觉和语言组合任务。
• 用途：测试模型在视觉语言推理中的理解能力。

33. iWildCam

• 图片数量：大规模野生动物监控图像。
• 类别：多种野生动物类别。
• 用途：生态监测、物种分类。

34. Camelyon17

• 图片数量：超过50,000张病理图像。
• 内容：乳腺癌病理切片。
• 用途：癌症检测，挑战在于分割和分类。

35. FMoW (Functional Map of the World)

• 图片数量：超过1百万张。
• 类别：63种场景（如机场、港口）。
• 内容：全球卫星图像。
• 用途：遥感分类和变化检测。

36. Dollar Street

• 内容：世界各地日常生活图像，展示不同收入水平下的家庭和生活。
• 用途：社会研究、视觉数据分析。

37. GeoDE

• 特点：地理和环境数据集，包含自然和人文场景图像。
• 用途：地理推理、环境感知任务。
  如需进一步深入了解某个数据集，请告诉我！