主講：張馳0102目錄打標(biāo)簽工具常見的數(shù)據(jù)集打標(biāo)簽的工具1（1）Labelimg/Labelme這兩款工具簡便易行，前者主要用于對目標(biāo)進行大致的標(biāo)定，用于常見的框選標(biāo)定，后者主要用于較為細(xì)致的輪廓標(biāo)定，多用于maskrcnn等。安裝也是很方便的，直接在終端下用pipinstalllabelimg即可(至于labelme，需要先安裝pyqt,所以先pipinstallpython-qt5，然后再pipinstalllabelme)。其使用界面如下：（2）NLP標(biāo)注工具BRATBRAT是一個基于web的文本標(biāo)注工具，主要用于對文本的結(jié)構(gòu)化標(biāo)注，用BRAT生成的標(biāo)注結(jié)果能夠把無結(jié)構(gòu)化的原始文本結(jié)構(gòu)化，供計算機處理。利用該工具可以方便的獲得各項NLP任務(wù)需要的標(biāo)注語料。其使用教程可參考/tcx1992/article/details/80580089。標(biāo)注結(jié)果示例如下：（3）視頻標(biāo)注工具CDVA（compactdescriptorforvideoanalysis），主要是基于CDVS中的緊湊視覺描述子來做視頻分析，之前是緊湊視覺描述子主要應(yīng)用在圖像檢索領(lǐng)域。需要制作新的數(shù)據(jù)集，對視頻幀進行標(biāo)注，所以根據(jù)網(wǎng)上一個博主的標(biāo)注工具進行了一定的修改，實現(xiàn)的功能是在每一幀中將需要標(biāo)注的區(qū)域用鼠標(biāo)選取4個點，順序是順時針。因為四邊形的范圍更廣，之前的一些人直接標(biāo)注了矩形，但是在一些仿射變換中，往往矩形的定位效果不好，矩形定位應(yīng)該比較適合于人臉定位和行人定位之中。其參考教程：/louyihang-loves-baiyan/p/4457462.html。Vatic源自MIT的一個研究項目(VideoAnnotationToolfromIrvine,California)。輸入一段視頻，支持自動抽取成粒度合適的標(biāo)注任務(wù)并在流程上支持接入亞馬遜的眾包平臺MechanicalTurk。除此之外，其還有很多實用的特性：1.簡潔使用的GUI界面，支持多種快捷鍵操作2.基于opencv的tracking，這樣就可以抽樣的標(biāo)注，減少工作量具體使用時，可以設(shè)定要標(biāo)注的物體label，比如：水果，人，車，等等。然后指派任務(wù)給到眾包平臺（也可是自己的數(shù)據(jù)工程師）。現(xiàn)階段支持的標(biāo)注樣式是框（box）。一個示例，下圖標(biāo)注了NBA直播比賽中的運動員.參考鏈接：/vondrick/vatic/常見的數(shù)據(jù)集21、目標(biāo)檢測、分類、分割（1）mnist

手寫字體識別是深度學(xué)習(xí)入門級數(shù)據(jù)樣本集，總共有70000張28*28的手寫字體黑白圖片，可在/exdb/mnist/獲?。?）PASCALVOCPASCALVOC挑戰(zhàn)賽是視覺對象的分類識別和檢測的一個基準(zhǔn)測試，提供了檢測算法和學(xué)習(xí)性能的標(biāo)準(zhǔn)圖像注釋數(shù)據(jù)集和標(biāo)準(zhǔn)的評估系統(tǒng)。PASCALVOC圖片集常見的有voc2005、voc2007、voc2012等，其包括20個目錄：人類；動物（鳥、貓、牛、狗、馬、羊）；交通工具（飛機、自行車、船、公共汽車、小轎車、摩托車、火車）；室內(nèi)（瓶子、椅子、餐桌、盆栽植物、沙發(fā)、電視）。PASCALVOC挑戰(zhàn)賽在2012年后便不再舉辦，但其數(shù)據(jù)集圖像質(zhì)量好，標(biāo)注完備，非常適合用來測試算法性能。數(shù)據(jù)集大小為2GB左右下載地址：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html1、目標(biāo)檢測、分類、分割（3）COCO數(shù)據(jù)集

COCO數(shù)據(jù)集由微軟贊助，其對于圖像的標(biāo)注信息不僅有類別、位置信息，還有對圖像的語義文本描述，COCO數(shù)據(jù)集的開源使得近兩三年來圖像分割語義理解取得了巨大的進展，也幾乎成為了圖像語義理解算法性能評價的“標(biāo)準(zhǔn)”數(shù)據(jù)集。Google開源的開源了圖說生成模型showandtell就是在此數(shù)據(jù)集上測試的，想玩的可以下下來試試哈。數(shù)據(jù)集大小約為40GB

下載地址：/，COCO(CommonObjectsinContext)是一個新的圖像識別、分割和圖像語義數(shù)據(jù)集，它有如下特點：ObjectsegmentationRecognitioninContextMultipleobjectsperimageMorethan300,000imagesMorethan2Millioninstances80objectcategories5captionsperimageKeypointson100,000people（4）

Imagenet數(shù)據(jù)集

業(yè)界標(biāo)桿Imagenet數(shù)據(jù)集有1400多萬幅圖片，涵蓋2萬多個類別；其中有超過百萬的圖片有明確的類別標(biāo)注和圖像中物體位置的標(biāo)注，具體信息如下：Totalnumberofnon-emptysynsets:21841Totalnumberofimages:14,197,122Numberofimageswithboundingboxannotations:1,034,908NumberofsynsetswithSIFTfeatures:1000NumberofimageswithSIFTfeatures:1.2million

Imagenet數(shù)據(jù)集是目前深度學(xué)習(xí)圖像領(lǐng)域應(yīng)用得非常多的一個領(lǐng)域，關(guān)于圖像分類、定位、檢測等研究工作大多基于此數(shù)據(jù)集展開。Imagenet數(shù)據(jù)集文檔詳細(xì)，有專門的團隊維護，使用非常方便，在計算機視覺領(lǐng)域研究論文中應(yīng)用非常廣，幾乎成為了目前深度學(xué)習(xí)圖像領(lǐng)域算法性能檢驗的“標(biāo)準(zhǔn)”數(shù)據(jù)集。由李飛飛教授及其團隊創(chuàng)立，數(shù)據(jù)集大?。簙1TB（ILSVRC2016比賽全部數(shù)據(jù)），下載地址：/about-stats.2、行人檢測、人臉檢測識別（1）Caltech行人

數(shù)據(jù)庫：/Image_Datasets/CaltechPedestrians/該數(shù)據(jù)庫是目前規(guī)模較大的行人數(shù)據(jù)庫，采用車載攝像頭拍攝，約10個小時左右，視頻的分辨率為640×480，30幀/秒。標(biāo)注了約250,000幀（約137分鐘），350000個矩形框，2300個行人，另外還對矩形框之間的時間對應(yīng)關(guān)系及其遮擋的情況進行標(biāo)注。數(shù)據(jù)集分為set00~set10，其中set00~set05為訓(xùn)練集，set06~set10為測試集（標(biāo)注信息尚未公開）。其他數(shù)據(jù)集可參考：行人檢測：/17004.html（2）人臉檢測：UMDFaces（http://www.umdfaces.io/

）不僅有人臉的目標(biāo)檢測數(shù)據(jù)，還有關(guān)鍵點的數(shù)據(jù)，非常適合做訓(xùn)練。

就是比較大，總共有三個文件，一共8000+個類別，總共36W張人臉圖片，全都是經(jīng)過標(biāo)注的樣本，標(biāo)注信息保存在csv文件中，除了人臉的box，還有人臉特征點的方位信息，強力推薦?。?）人臉識別數(shù)據(jù)庫

2010年非約束環(huán)境人臉檢測數(shù)據(jù)庫FDDB,總共2845張圖像，5171張，人臉非約束環(huán)境，人臉的難度較大，有面部表情，雙下巴，光照變化，穿戴，夸張發(fā)型，遮擋等難點，是目標(biāo)最常用的數(shù)據(jù)庫。2016年提出的，目前難度最大的WIDERFACE，共32203圖像，393703標(biāo)注人臉，目前難度最大，各種難點比較全面：尺度，姿態(tài)，遮擋，表情，化妝，光照等。李子青組的CASIA-WebFace(50萬，1萬個人).需申請.CenterforBiometricsandSecurityResearch

華盛頓大學(xué)百萬人臉MegaFace數(shù)據(jù)集.郵件申請,是一個60G的壓縮文件.MegaFace

南洋理工WLFDB.(70萬+,6,025).需申請.WLFDB:WeaklyLabeledFacesDatabase

微軟的MSRA-CFW(202792張,1583人).可以直接通過OneDrive下載.MSRA-CFW:DataSetofCelebrityFacesontheWeb

湯曉歐實驗室的CelebA(20萬+),標(biāo)注信息豐富.FaceScrub.提供圖片下載鏈接（100,100張，530人）.vintage–resources（4）人體姿態(tài)識別（/qq_38522972/article/details/82953477）2D數(shù)據(jù)：LSP

FLIC

MPII

MSCOCO

AIChallenge3D數(shù)據(jù)：Human3.6M數(shù)據(jù)集

CMUPanopticdataset

MPI-INF-3DHP3、自動駕駛（/p/61023298（1）H3D-HRI-US

-本田研究所于2019年3月發(fā)布其無人駕駛方向數(shù)據(jù)集，使用3DLiDAR掃描儀收集的大型全環(huán)繞3D多目標(biāo)檢測和跟蹤數(shù)據(jù)集。其包含160個擁擠且高度互動的交通場景，在27,721幀中共有100萬個標(biāo)記實例。憑借獨特的數(shù)據(jù)集大小，豐富的注釋和復(fù)雜的場景，H3D聚集在一起，以激發(fā)對全環(huán)繞3D多目標(biāo)檢測和跟蹤的研究。（2）nuScenes

-安波福于2019年3月正式公開了其數(shù)據(jù)集，擁有從波士頓和新加坡收集的1000個“場景”的信息，包含每個城市環(huán)境中都有的最復(fù)雜的一些駕駛場景。該數(shù)據(jù)集由140萬張圖像、39萬次激光雷達(dá)掃描和140萬個3D人工注釋邊界框組成，是迄今為止公布的最大的多模態(tài)3D無人駕駛數(shù)據(jù)集。（3）ApolloCar3D-該數(shù)據(jù)集包含5,277個駕駛圖像和超過60K的汽車實例，其中每輛汽車都配備了具有絕對模型尺寸和語義標(biāo)記關(guān)鍵點的行業(yè)級3DCAD模型。該數(shù)據(jù)集比PASCA