计算机视觉是一个快速发展的领域，每天都有大量的新技术和算法出现在不同的会议和期刊上。说到目标检测，理论上你会学到很多算法，比如Faster-rcnn、Maskrcnn、Yolo、SSD、Retinenet、级联rcnn、Peleenet、EfficientDet、CornerNet…。这张算法清单是永远列不完的！
通过将其应用到不同的数据集来巩固你的学习经验总是有益的！！！
这样一来，你往往会更好地理解算法，并且可以直观了解哪些算法可以在哪种数据集上运行。
我们在MonkComputerVisionOrg的开源团队编制了一个对象检测，图像分割和动作识别数据集的列表，并针对每个对象创建了简短的教程，供你使用这些数据集并尝试不同的对象检测算法
下面提到的是对象检测数据集的简短列表，有关它们的简短详细信息以及使用它们的步骤。数据集来自以下领域：
★农业★高级驾驶员辅助和自动驾驶汽车系统★时尚，零售和营销★野生动物★体育★卫星成像★医学成像★安全和监视★水下成像
…..以及更多！！！！！
A）Winegrape检测数据集
*目标：检测葡萄园中的葡萄簇
*应用：监测生长并分析产量
*详细信息：300幅图像，带有5个葡萄类别的4400个边界框
*如何利用数据集并使用YoloV3管道构建自定义检测器
B）全球小麦检测数据集
*目标：检测田间的小麦作物
*详细信息：带有100K+批注的3430图像
*如何利用数据集并使用EfficientDet-D4管道构建自定义检测器
A）LISA交通标志检测数据集
*目标：用于检测和分类行车记录仪图像中的交通标志
*应用：交通标志识别是自动驾驶的规则设置程序
*详细信息：在47种美国标志类型上的6610帧上有7855个注释
*如何利用数据集并建立自定义使用EfficientDet-D3管线的探测器
*此存储库又多了一个数据集
B）低光照条件下的物体检测
*目标：在低光照条件下检测道路上的物体——雾，雾霾，下雨等
*应用：这是自动驾驶汽车中的重要组成部分，因为它能够检测物体，因此在不利条件下属于更安全的车辆
*细节：在12种不同对象类型上的7500帧上的15K+注释
*如何利用数据集和使用EfficientDet-D3管道构建自定义检测器
C）LARA交通灯检测数据集
*目标：检测交通信号灯并将其分类为红色，绿色和黄色
*应用程序：可以为道路网络交叉口的adas和自动驾驶汽车系统设置规则
*详细信息：三种交通类型的11K帧和20K+注释灯光
*如何利用数据集并建立使用Mmdet-Faster-Rcnn-fpn50管道自定义检测
D）使用红外图像进行人检测
*目标：用于检测红外图像中的人
*应用：自动驾驶汽车配备了红外摄像头以检测恶劣条件下的物体
*详细信息：30个带有1K+注释的视频序列
*如何利用数据集并使用Mx-Rcnn管道构建自定义检测器
E）坑洼检测数据集
*目标：从道路图像中检测坑洼
*应用：检测道路地形和坑洼可实现平稳行驶。
*详细信息：700个在坑洼处带有3K+注释的图像
*如何利用数据集和使用M-Rcnn管道构建自定义检测器
F）Nexet车辆检测数据集
*目标：检测车辆的道路图像
*应用：检测车辆是自动驾驶的主要组成部分
*详细信息：7000种图像，在6种类型的车辆上具有15K+注释
*如何利用数据集并使用TensorflowObjectDetection构建自定义检测器API
G）BDD100KAdas数据集
*目标：检测道路上的物体
*应用：检测车辆，交通标志和人是自动驾驶的主要组成部分
*详细信息：100K图像，对10种类型的对象提供250K+注释
*如何利用数据集并建立自定义使用Tensorflow对象检测API的检测器
H）Linkopings交通标志数据集
*目标：检测图像中的交通标志
*应用：检测交通标志是了解交通规则的第一步
*详细信息：3K图像，对40多种类型的交通标志提供5K+注释
**如何利用数据集并使用Mmdet-CascadeMask-Rcnn构建自定义检测器
*如何利用数据集并使用Retinanet构建自定义检测器
B）DeepFashion2时尚元素检测数据集
*目标：检测图像中的时尚产品，服装和配饰
*应用程序：应用程序时尚检测有着从数据排序到推荐引擎的巨大应用
*详细信息：490K图像，带有约100个注释对象类
*如何利用数据集并建立自定义CornetNet-Lite管道检测仪
C）Qmul-OpenLogo徽标检测数据集
*目标：检测自然图像中的不同徽标
*应用：分析视频和自然场景中徽标出现的频率对营销至关重要
*详细信息：16K训练图片，包括各种品牌的标识——食品、车辆、连锁餐厅、送货服务、航空公司等
*如何利用数据集并使用mx-rcnn管道构建自定义检测器
A）足球检测数据集（从OpenImages数据集进行二次采样）
*目标：在视频中跨帧检测足球
*应用：检测足球位置在越位等自动分析情况中至关重要
*详细信息：约3K训练图像。
*如何利用数据集并使用yolo-v3管道构建自定义检测器
B）扑克牌类型检测
*目标：检测自然图像中的纸牌并分类纸牌类型
*应用：可能的应用是分析不同纸牌游戏的获胜几率
*详细信息：52种纸牌类型中500张以上的图像
*如何利用数据集并建立自定义使用mx-rcnn管道的检测器
C）热图像中的足球运动员检测
*目标：使用热图像定位和跟踪玩家
*应用：跟踪游戏中的玩家是生成分析的关键部分
*详细信息：超过5K+注释的3K+图像。
*如何利用数据集和使用mmdetquick-rcnn管道构建自定义检测器
A）CCTV交通摄像头中的MIO-TCD车辆检测
*目标：检测闭路电视摄像机中的车辆
*应用：检测闭路电视摄像机中的车辆是安全监控应用中的关键部分
*详细信息：113K图像，在5种以上类型的车辆上具有200K+注释
*如何利用数据集并使用Mmdet-Retinanet管道构建自定义检测器
B）WIDER人员检测数据集
*目标：在闭路电视和自然场景图像和视频中检测人员
*应用：基于CCTV的人员检测构成安全和监视应用程序的核心
*详细信息：10K+图像以及20K+注释可检测行人
*如何利用数据集并建立自定义使用Cornernet-Lite管道的探测器
C）防护装备-头盔和背心检测
*目标：检测人员的头盔和背心
*应用：这是安全合规性监视中不可或缺的一部分
*详细信息：1.5K+图像以及2K+注释可检测人员，头盔和背心
*如何利用数据集和构建自定义检测器使用Mmdet—CascadeRPN
D）视频中的异常检测
*目标：根据视频中执行的操作对视频进行分类
*应用：实时检测异常有助于阻止犯罪
*详细信息：对应于10个异常类别的1K+视频。
*如何利用数据集和使用mmaction-tsn50管道构建自定义分类器
A）超声臂丛神经（BP）神经分割数据集
*目标：在超声图像中分割某些神经类型
*应用：通过使用可阻塞或减轻源头疼痛的留置导管，有助于改善疼痛管理。
*如何利用数据集并构建自定义检测器
B）细胞中的PanNuke癌症实例分割
*目标：在幻灯片图像中分割不同的细胞类型
*应用程序：自动分析兆字节数据中癌细胞和死细胞的存在
*详细信息：3K+图像，带有用于检测不同单元类型的关联实例掩码
*如何利用数据集和构建定制检测器
A）卫星图像中的道路分割
*目标：在卫星图像中分割道路线
*应用：帮助城市规划和道路监控
B）在合成生成的月球图像中的可穿越区域分割
*目标：分割岩石并在月球影像中找到可穿越的区域
*应用：自主漫游车路径规划中的基本元素
*如何利用数据集并构建定制检测器
C）卫星影像中的汽车和游泳池检测
*目标：在卫星图像中检测车辆和游泳池
*应用：这是财产税估算中的关键部分
*详细信息：3.5K+图片，汽车和游泳池上有5K+注释标签
*如何利用数据集并使用cornernetlite管道构建自定义检测器
D）航空影像中的道路和居民区分割
*目标：在卫星图像中分割道路和居民区
*详细信息：带有分割蒙版的100幅超高分辨率图像
*如何利用数据集和构建自定义检测器
E）卫星图像中的水体分割
*目标：在卫星图像中分割水体
-带有分割蒙版的100幅超高分辨率图像
A）老虎检测数据集（从OpenImages采样）
*目标：检测自然和无人机图像中的老虎
*应用：监视濒临灭绝的物种
*详细信息：带有4k+注释的2K+图像。
*如何利用数据集和使用Cornernet-lite管道构建自定义检测器
B）斑马和长颈鹿检测数据集
*目标：检测自然和无人机图像中的斑马和长颈鹿物种
*应用：监视濒危物种
*详细信息：带有5k+注释的5K+图像。
*如何使用数据集并使用efficiencydet-d3管道构建自定义检测器
C）加州理工学院相机陷阱数据集
*目标：检测陷阱照相机类型图像中的动物
*详细信息：带有8k+注释的10K+图像。
*如何利用数据集并使用Retinanet管道构建自定义检测器
D）大象检测数据集（从COCO数据集中采样）
*目标：检测自然和无人机图像中的大象种类
*如何利用数据集并使用mmdet-maskrcnn构建自定义检测器
A）在野外发现海龟
*目标：检测水下图像中的海龟
*如何利用数据集并使用有效数据量构建自定义检测器
*类似的数据集，可监控水下鱼类
B）水下垃圾检测数据集
*目标：检测海洋垃圾
*应用：监视和控制海洋垃圾问题
*详细信息：带有5k+注释的2K+图像。
C）SUIM水下物体检测数据集
*目标：分割水下物体
*应用：自主水下航行器的路径规划，跟踪潜水员和监视海洋物种
*详细信息：1.5K+图像和1.5k+注释蒙版。
D）咸淡的水下鱼类识别数据集
*目标：检测水下图像中的海洋物种。
*应用程序：监视海洋物种
*详细信息：89个视频以检测鱼类，螃蟹，虾，水母，海星
*如何利用数据集并使用mmdet构建自定义检测器——Faster-rcnn管道
A）文档布局检测数据集
*目标：检测文档布局以进行进一步分析
*应用：必不可少的将图像分割成不同的部分，以便可以进一步应用基于规则的NLP和文本识别的功能。
*详细信息：5K+图像，带有10k+批注的标签，如段落，图像，标题。
*如何利用数据集并使用mx-rcnn构建自定义检测器
*在名为IIIT-AR-13K的文档中存在用于图形组件检测的非常相似的数据集，这是如何利用数据集并在其上训练模型的方法
B）总文字数据集
*目标：在自然场景中定位文本
*应用程序：使用OCR识别的基本组件
*详细信息：带有5K+多边形注释的1.5K+图像
*如何利用数据集和使用Text-Snake管道构建自定义检测器
C）YY-Mnist简单OCR数据集
*目标：在白色背景图像中定位数字并将其分类
*详细信息：超过10类的具有2K+批注的1K图像
A）TACO垃圾检测数据集
*目标–定位和分割图像中的各种垃圾
*应用程序：试图解决公共场所垃圾问题的自动机器人的关键组件
*详细信息：包含20种以上不同类别垃圾对象的15K+注释的10K图像
B）室内场景通用物体检测数据集
*目标：定位和检测图像中的室内对象
*应用程序：在带有便利设施的房地产和租赁网站中为图像自动标记
*详细信息：超过10种不同类别的室内对象（例如电器，床，窗帘，椅子等)
*如何利用数据集和使用Retinanet管道构建自定义检测器
C）EgoHands手部分割数据集
*目标：在自然场景中分割手
*应用：理解手势的第一步，以及在人机交互，手语识别中的应用