目标检测数据集

参考：You Only Look Once：Unified, Real-Time Object Detection-你只看一次：统一的实时对象检测-CVPR-2016

1、PASCAL VOC: PASCAL VOC 数据集是目标检测领域最常用的数据集之一，由于其轻量性，被广泛应用于目标检测、图像分类和图像分割任务。PASCAL VOC 包含 20 个类别的物体，可以分为四大种类，每张图片都有相应的 XML 文件对应，文件包含图片物体的位置和类别。常用的 PASCAI VOC 数据集有：VOC2007（Everingham，2010）和VOC2012 (Shetty，2016)。其中，VOC2007 数据集包含9963张图片，由train/val/test 三部分组成，而VOC2012 数据集包含 11530张图片，由train/test两部分组成。现在常用的训练方法包含两种：一种是使用07_train+12_ train作为训练集，用07_test 作为测试集，另一种是使用 07_train+07_test+12_train作为训练集，用12_test 作为测试集。

2、MS COCO: Microsoft COCO数据集 (Lin，2014)发布于 2014 年，是目标检测、语义分割、人体关键点检测任务较为权威的重要数据集。它包含了91 个物体类别、328，000 张图片和2,500，000 个标签。该数据集使用JSON 格式的标注文件给出每张图片中目标像素级别的分割信息，而且数据集中共包含 80 个对象类别的待检测目标，目标间的尺度变化大，具有较多的小目标物体。

3、ImageNet: ImageNet 数据集(Russakovsky 等，2015) 是计算机视觉领域的一个大型数据库，被广泛应用于图像分类、目标检测等任务，包含1400多万张图片，2 万多个类别。其中 103 万张图片可以用于目标检测任务，包含 200 个物体类别，有明确的类别标注和物体的位置标注。

4、Open Image：Open Image数据集(Kuznetsova等，2018)是由谷歌团队发布的具有对象位置注释的现有最大的数据集合，包含 190 万张图像，600个种类，1540 万个边界框标注。