????????當(dāng)前的基于CNN的目標(biāo)檢測深度學(xué)習(xí)模型，比較主流的是基本都是基于監(jiān)督學(xué)習(xí)，如當(dāng)前相當(dāng)成熟的YOLO系列、RCNN系列、centernet系列目標(biāo)檢測算法模型。這種監(jiān)督學(xué)習(xí)的方法，很依賴于數(shù)據(jù)集。模型檢測性能的好壞，很大程度上取決于數(shù)據(jù)集的數(shù)量和質(zhì)量，即，數(shù)據(jù)量越多越全面，越接近真實(shí)應(yīng)用場景，那么訓(xùn)練出來的模型，在實(shí)際應(yīng)用中表現(xiàn)越出色。在算法研究過程中，也需要合適的數(shù)據(jù)集，來驗(yàn)證算法設(shè)計(jì)的性能。所以，在深度學(xué)習(xí)領(lǐng)域中，數(shù)據(jù)的意義重大。很多厲害的公司，不但在算法設(shè)計(jì)方面有獨(dú)到之處，在數(shù)據(jù)保有方面，更是絕無僅有。

????????這里分享一批數(shù)據(jù)集，姑且命名為SATH數(shù)據(jù)集吧，這是目標(biāo)分類英文的首字母拼湊的名稱。是本人用兩年時(shí)間，一點(diǎn)一點(diǎn)從地圖上找的，然后一張一張地人工打標(biāo)簽。尋思著自個兒留著，也就那么一點(diǎn)用，不如公開了吧，如果有人肯賞杯奶茶，也算撫慰一下熬夜掉的頭發(fā)。這些數(shù)據(jù)集都是可見光成像圖片，可用于人工智能目標(biāo)檢測模型訓(xùn)練，供各位算法研究者以算法研究為目的進(jìn)行下載。數(shù)據(jù)集一共包含了四個類別，類別的名稱，如下圖所示。后續(xù)發(fā)布的數(shù)據(jù)集，還不止這四個種類。數(shù)據(jù)集一直在更新，最后數(shù)據(jù)量，每個種類的圖片可能會有10000張。一點(diǎn)點(diǎn)人工打標(biāo)簽，每打夠1000張就發(fā)布一下。數(shù)據(jù)集特點(diǎn)，均為RGB彩圖，尺寸為1024x1024，標(biāo)簽格式為xml格式。

數(shù)據(jù)集連接：

數(shù)據(jù)集-01

數(shù)據(jù)集-02

數(shù)據(jù)集-03

數(shù)據(jù)集-04

???????

???

?

??

總結(jié)

以上是生活随笔為你收集整理的目标检测数据集分享的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。