coco2017

简介

12 万 + 图像，80 类目标，含检测、分割、关键点、字幕标注，覆盖日常场景。

应用

目标检测 / 实例分割 / 姿态估计 / 图像字幕，YOLO 系列、Mask R-CNN 等主流模型基准。

获取途径

• 官方网站

ImageNet

简介

1400 万 + 图像，1000 类，图像分类领域最权威基准。

应用

图像分类预训练 / 微调、迁移学习、CNN 架构验证（ResNet/MobileNet 等）。

获取途径

• 官方网站

XFUND

简介

多语言表单理解数据集，含中文 / 英文表单图像，标注文本框、内容、关系，用于文档智能。

应用

表单文本检测 / 识别、信息抽取、文档布局分析、OCR 后处理。

获取途径

• 官方仓库

CIFAR100

简介

CIFAR-10 的扩展版，含 60,000 张 32×32 彩色图像，100 个细分类别（归为 20 个超类），每类 600 张（500 训练 / 100 测试）。

应用

细粒度图像分类、轻量级 CNN 模型基准测试、算法快速验证。

获取途径

• 官方网站

DA-2K

简介

Depth Anything V2 配套基准，1,000 张高分辨率图像，2,000 组稀疏相对深度对标注，覆盖室内 / 室外 / 透明 / 航拍等 8 类场景。

应用

单目相对深度估计、深度模型泛化性测试、自动驾驶环境感知。

获取途径

• 官方链接

WFLW

简介

10,000 张人脸图像（7,500 训练 / 2,500 测试），标注98 个关键点，含遮挡 / 姿态 / 妆容 / 光照 / 模糊 / 表情等属性。

应用

高精度人脸关键点检测、人脸对齐、表情识别、三维人脸重建。

获取途径

• 官方网站

HPatches

简介

单应性补丁数据集，分 ** 光照变化（i_X）与视角变化（v_X）** 序列，用于局部描述符鲁棒性评估。

应用

局部特征描述符（SIFT/SURF/SuperPoint）评测、图像匹配、拼接、SLAM 特征提取。

获取途径

• 官方网站

carvana

简介

Kaggle 竞赛数据集，10 万 + 张汽车多角度高清图，含像素级汽车掩码，每车 16 个视角。

应用

语义分割（UNet 等）、汽车实例分割、车辆检测与抠图。

获取途径

• 官方网站

DOTAv1

简介

遥感图像旋转目标检测基准，含 15 类目标（飞机、舰船、车辆等），标注旋转框（OBB），覆盖多场景。

应用

遥感图像旋转目标检测、航空影像分析、军事 / 国土资源监测。

获取途径

• 官方网站

KITTI15

简介

自动驾驶经典数据集，含立体图像、光流、视觉里程计、3D 检测标注，覆盖城市 / 乡村 / 高速场景。

应用

立体匹配、光流估计、3D 目标检测、SLAM、自动驾驶感知。

获取途径

• 官方网站

CelebA-512

简介

CelebA 的高分辨率版本，约 20 万张名人面部图像，分辨率 512×512，含 40 + 属性标注（年龄、表情、遮挡等）。

应用

人脸属性识别、人脸生成、人脸编辑、人脸验证。

获取途径

• 官方网站

Faces

简介

通用人脸图像数据集，含多姿态、光照、表情的人脸样本，用于基础人脸任务。

应用

人脸检测、人脸关键点定位、简单人脸识别。

获取途径

• 官方网站

LFW

简介

13,000 + 张网络采集人脸图像，含 5,749 个身份，用于无约束场景人脸验证

应用

人脸识别 / 验证、人脸对齐、跨姿态 / 光照鲁棒性测试。

获取途径

• 官方网站

Synthetic-Chinese-String-Dataset

简介

合成中文文本行数据集，含多样字体、背景、扭曲，用于端到端中文文本识别。

应用

中文 OCR（CRNN 等）、文本行识别、手写 / 印刷体文本识别。

获取途径

• 官方仓库

Set5

简介

经典超分测试集，5 张高清自然图像（婴儿、鸟、蝴蝶、人像、女性），用于快速验证算法效果。

应用

单图像超分辨率（SISR）、图像重建、低清画质增强、算法基准对比。

获取途径

• 官方仓库

CrowDensity

简介

人群密度估计数据集，含密集 / 稀疏人群场景，标注密度图，用于公共安全与流量分析。

应用

人群计数 / 密度估计、视频监控、客流统计、拥挤预警。

获取途径

• 官方网站

LJSpeech

简介

英文语音数据集，13,100 条语音片段（约 24 小时），由专业朗读者录制，含文本标注。

应用

文本转语音（TTS）、语音合成（FastSpeech2/Tacotron）、声码器训练。

获取途径

• 官方网站