一、目标检测，分割数据集

1.COCO 数据集

COCO是一个可用于object detection, segmentation and caption的大型数据集。有以下特点：

目标分割
上下文关系识别
超像素分割
330K图像（> 200K已标记）
150万个目标
80个分类
91种目标
包含250,000个人（已标记）
大小：约25 GB（压缩包）
数量： 330K张图像，25万个人（已标记）

COCO2014

百度云链接
链接：https://pan.baidu.com/s/1wLFpT7DFNBXGeJugEYwxxg
提取码：s90c
官网地址
http://images.cocodataset.org/zips/train2014.zip
http://images.cocodataset.org/annotations/annotations_trainval2014.zip
http://images.cocodataset.org/zips/val2014.zip
http://images.cocodataset.org/annotations/image_info_val2014.zip
http://images.cocodataset.org/zips/test2014.zip
http://images.cocodataset.org/annotations/image_info_test2014.zip

COCO2017

百度云链接
链接：https://pan.baidu.com/s/1jY1Zno5yRNz_Kt-AIFad_w
提取码：v5rm

官网地址
http://images.cocodataset.org/zips/train2017.zip
http://images.cocodataset.org/annotations/annotations_trainval2017.zip
http://images.cocodataset.org/zips/val2017.zip
http://images.cocodataset.org/annotations/stuff_annotations_trainval2017.zip
http://images.cocodataset.org/zips/test2017.zip
http://images.cocodataset.org/annotations/image_info_test2017.zip

这个是下载地址。不要直接点击。linux可以用wget -c http下载，不需要翻,比如

wget http://images.cocodataset.org/annotations/annotations_trainval2014.zip

推荐多线程下载工具aria2

apt install -y aria2
aria2c -s 5 链接

例如
aria2c -s 5 http://images.cocodataset.org/zips/train2014.zip

2.PASCAL VOC数据集

官网链接：http://host.robots.ox.ac.uk/pascal/VOC/

该比赛在2005~2012共举办8年，使用数据集为VOC（Visual Object Classes，视觉对象类别），每一年数据集都会更新，数据集以VOC加年份命名，如VOC 2007、VOC 2012。所有数据集均可在官网下载。

2005年，数据集为4类；2006年为10类；从2007年起，固定为20类。

这20个类别为：
Person:person
Animal:bird, cat, cow, dog, horse, sheep
Vehicle:aeroplane, bicycle, boat, bus, car, motorbike, train
Indoor:bottle, chair, dining table, potted plant, sofa, tv/monitor
翻译成中文就是：
1.人: 人
2.动物: 鸟，猫，牛，狗，马，羊
3.交通工具: 飞机，自行车，船，公共汽车，汽车，摩托车，火车
4.室内: 瓶子，椅子，餐桌，盆栽，沙发，电视/显示器

voc2007数据集：

百度云链接
链接：https://pan.baidu.com/s/1Q9j2yeTeyNcOqXulhCXhhA
提取码：ne7k

官网链接
1.先下载：

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

2.再解压：

tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar
tar -xvf VOCdevkit_08-Jun-2007.tar

最终的结构：
在这里插入图片描述

voc 2012数据集：

百度云链接
链接：https://pan.baidu.com/s/1dJQ63wUtBKf0Fmo2Qo36Pw
提取码：0sc6

官网链接
1.同样的，先下载：

wget https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar
wget http://pjreddie.com/media/files/VOC2012test.tar

2.再解压：

tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOC2012test.tar

最终的结构：
在这里插入图片描述

注：

Annotations下面放的是图片的标注文件

ImageSets下面是txt文件，对目标检测来说只会用到Main文件夹下的内容

JPEGImages下面就是图片啦

二、自动驾驶数据集

1. BDD100K 数据集

目前，自动驾驶的公开数据集主要由视频和图片组成，近两年也增加了许多雷达数据。今天将介绍的数据集为加州大学伯克利分校发布的 BDD100K 数据集，该数据集为迄今规模最大、最多样的自动驾驶数据集之一。
BDD100K 数据集，是加州大学伯克利分校 AI 实验室（BAIR）于 2018 年发布的，迄今为止最大规模、内容最具多样性的公开驾驶数据集之一。其包含的 10 万个高清视频序列，时长超过 1100 小时。其中，每个视频大约 40 秒长、720p、30 fps，还附有手机记录的 GPS/IMU 信息和时间戳，以显示大概的驾驶轨迹。BAIR 还对每个视频的第 10 秒对关键帧进行采样，得到 10 万张图片（图片尺寸：1280*720 ），并进行标注。这些图片还被标记了：图像标记、道路对象边界框、可驾驶区域、车道标记线和全帧实例分割。这些注释有助于理解不同场景中数据和对象统计的多样性。数据集中的视频是从美国各地收集的，涵盖不同时间、不同天气条件（包括晴天、阴天和雨天，以及白天和晚上的不同时间）和驾驶场景。收集数据集的地理位置分布在纽约、伯克利、旧金山等地。数据集中，道路目标检测是为公共汽车、交通灯、交通标志、人、自行车、卡车、摩托车、汽车、火车和乘车人等 100000 张图片上标注 2D 边界框；实例分割被用于探索具有像素级和丰富实例级注释，相关图像超过 10000 张；引擎区域是从 10 万张图片中学习复杂的可驾驶决策；车道标记是在 10 万张行车指南图片上的多种车道标注。车道标记类图片中，标注了实线、虚线、双线、单线等。该数据集由相关论文有《BDD100K: A Diverse Driving Video Database with Scalable Annotation Tooling》，该项目由伯克利 DeepDrive 产业联盟组织和赞助，该联盟研究计算机视觉和机器学习在汽车应用上的最新技术。
在这里插入图片描述