有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
AI-TOD航空图像数据集|航空图像数据集|目标检测数据集
收藏github2023-12-27 更新2024-05-31 收录
下载链接：
https://github.com/extreme-assistant/Deep-learning-datasets
下载链接
链接失效反馈资源简介：
AI-TOD航空图像数据集是一个用于小目标检测的数据集，包含航空图像数据，适用于深度学习模型训练。
The AI-TOD aerial image dataset is a dataset designed for small object detection, containing aerial image data suitable for training deep learning models.
创建时间：
2022-04-12
原始信息汇总
深度学习数据集概览
1. 小目标检测
- AI-TOD航空图像数据集
- iSAID航空图像大规模数据集
- TinyPerson数据集
- Deepscores数据集
- 密集行人检测数据集
- 加州理工学院行人检测数据集
- NWPU VHR-10卫星图像数据集
- Inria 航空影像数据集
- RSOD遥感图像数据集
- 小目标检测数据集
2. 目标检测
- COCO2017数据集
- 火焰和烟雾图像数据集
- DOTA航拍图像数据集
- AITEX数据集
- T-LESS数据集
- H²O 行人交互检测数据集
- SpotGarbage垃圾识别数据集
- NAO自然界对抗样本数据集
- Labelme 图像数据集
- 印度车辆数据集
- Seeing 3D chairs椅子检测模型
- SUN09场景理解数据集
- Unsplash图片检索数据集
- HICO-DET人物交互检测数据集
- 上海科技大学人群统计数据集
- 生活垃圾数据集
- RMFD口罩遮挡人脸数据集
- GTSRB德国交通标志数据集
- VOC2005车辆数据集
- Winegrape检测数据集
- 全球小麦检测数据集
- Linkopings交通标志数据集
- 防护装备-头盔和背心检测
- 加州理工学院相机陷阱数据集
- 水下垃圾检测数据集
- SF-MASK
- 口罩检测视频数据集
- 口罩佩戴数据集
- 口罩检测数据集
- MDMFR口罩数据集
- RMFD口罩遮挡人脸数据集
3. 人体姿态估计
- KTH 多视图足球数据集
- 宾夕法尼亚动作数据集
- BBC姿态数据集
- Poser 数据集
- 野外 3D 姿势数据集
- V-COCO数据集
- 宜家 ASM 数据集
- 立体人体姿势估计数据集
- AIST++ 舞蹈动作数据集
- HiEve数据集
4. 图像分割
- LVIS数据集
- 高密度人群及移动物体视频数据集
- DAVIS 视频分割数据集
4.1 语义分割
- 高分二号 (GF-2) 卫星图像大型土地覆盖数据集
- DADA-seg
- Dark Zurich
- 斯坦福背景数据集
- CIHP人体解析数据集
- WoodScape自动驾驶鱼眼数据集
5. 工业检测
- 坑洼检测数据集
- 天池铝型材表面缺陷数据集
- Kylberg 纹理数据集
- 东北大学带钢表面缺陷数据集
- Severstal 带钢缺陷数据集
- UCI 带钢缺陷数据集
- DAGM 2007数据集
- 磁瓦缺陷数据集
- RSDDs铁轨表面缺陷数据集
- KTH-TIPS 纹理图像数据集
- 印刷电路板（PCB）瑕疵数据集
6. 人脸识别
- IMDB-WIKI人脸数据集
- WiderFace人脸检测数据集
- LFW 人像图像数据集
- GENKI 人脸图像数据集
- 哥伦比亚大学公众人物脸部数据库
- CelebA人脸数据集
- 美国国防部人脸库
- MTFL人脸识别数据集
- BioID人脸数据集
- PersonID人脸识别数据集
- CMU PIE人脸库
- Youtube视频人脸数据集
- CASIA 人脸图像数据集
- Caltech人脸数据库
7. 自动驾驶
- KITTI 道路数据集
- CrackForest数据集
- KITTI-2015立体声数据集
- KITTI-2015光流数据集
- KITTI-2015场景流数据集
- KITTI深度数据集
- ExDark
- Nexet车辆检测
- Udacity 自动驾驶汽车
- WoodScape
- BDD100K
- Linkopings交通标志
- 非洲地区交通标志
8. 目标跟踪
- ALOV300++跟踪数据集
- Temple Color 128
- NfS高帧率视频数据集
- VOT2020
- PathTrack 数据集
- 用于低空交通监控的多模态无人机数据集
- KITTI目标跟踪
9. 动作识别
- HMDB人类动作视频数据集
- UCF50动作识别数据集
- SBU Kinect 交互数据集
10. 图像分类
- A宠物图像数据集
- 猫咪数据集
- 斯坦福狗狗数据集
- CBBC 街道场景数据
- Stanford 汽车图片数据
- Kaggle 垃圾分类图片数据集
- 花卉数据集
- 综合汽车数据集
- 室内场景识别
- 90种动物图像数据集
- 飞机数据集
- 衣服数据集
- 商标数据集
- Office-Home数据集
- 食物图像数据集
- FruitNet水果分类/识别数据集
- 卫星图像分类
- 自然风光图像分类数据集
- Architectural Heritage Elements Dataset (AHE)
- 贝壳或鹅卵石：图像分类数据集
- DeepWeeds 杂草类型分类数据集
- 板球-足球-棒球分类
11. 图像识别
- MNIST 手写数字图像数据集
- 3D MNIST 数字识别图像数据
12. NLP
- 文档影印和内容数据
13. 医学图像
- 3D-IRCADB 脏器分割数据集
- FASCICLE 小腿肌肉超声数据集
- 肿瘤数据集
- 结直肠腺癌组织学图像数据集
- 淋巴结切片的组织病理学数据集
- m2caiSeg腹腔镜图像数据集
- 血细胞图像数据集
- 脑肿瘤 MRI 数据集
- 糖尿病性黄斑水肿的OCT图像数据集
- 身体部位X射线图像数据集
- 眼病深度学习数据集
- 皮肤病数据集
- 心脏病发作分析和预测数据集
- 膝关节 X 射线图像数据集
- 疟疾细胞图像
- 皮肤癌 MNIST：HAM10000
- 乳房组织病理学图像
- 胸部 X 光图像（肺炎）
- 白内障图像数据集
- 恶性与良性皮肤癌
- CT 医学图像
- MedMNIST医学图像分割评估
- 多标签视网膜疾病 (MuReD) 数据集
14. 自动驾驶
- 城市景观图像对数据集
- 自动驾驶汽车的语义分割数据集
- BDD100K驾驶视频数据集
- CULane数据集
- 非洲地区交通标志数据集
- Argoverse数据集
- 驾驶模拟器车道检测数据集
- 道路上自动驾驶汽车数据集
- 加州理工学院行人数据集
- CamSeq 2007数据集
- DriveSeg场景分割数据集
- Comma2k19 车道线检测数据集
- 雷达场景数据集
- Cam2BEV 数据集
- LiDAR 2D深度图像数据集
- 交通信号灯检测图像
- 德国交通标志识别数据集
- LISA交通灯数据集
- 昼夜行人序列数据集
15. 图像分割
- D-HAZY
- RESIDE
- Middlebury Stereo双目立体匹配测试数据集
- NH-HAZE
- DENSE-HAZE
- REVIDE视频去雾数据集
16. RGB-T
- HFUT-Lytro数据集
- DUTLF-V2
- Lytro Illum
- DUTLF-MV
- 光场 (Lytro) 和立体声 (Project Tango) 数据集
- RGB-D 人群数据集
- ReDWeb-S
- NLPR
17. 图像去噪
- 图像去噪
- FMD（荧光显微镜去噪）数据集
- SIDD智能手机图像去噪数据集
- SIDD-small数据集
- Super Resolution Benchmarks
18. 人群计数、行人检测
- SCUT FIR行人检测数据集
- JHU-CROWD++
- CIHP人体解析数据集
- AHU-Crowd人群数据集
- AudioVisual 人群计数
- UCF-CC-50
- 北京BRT数据集
19. 安全帽、头盔、反光衣、垃圾识别
- 安全帽佩戴数据集
- SHWD安全帽佩戴检测数据集
- 摩托车头盔检测数据集
- 安全帽和安全背心（反光衣）图像数据集
- 垃圾分类数据集
- 塑料-纸张-垃圾袋合成图像数据集
- 垃圾溢出数据集
- YOLO格式的头盔/头部检测数据集
20. 车牌识别
- 车牌检测
- 自动车牌识别
- 合成土耳其车牌
- 美国 50 个州的车牌 + DC
- 印度车牌
- 印尼车牌号
- 伊朗车牌数据集
- 带标签的印度车牌
- 斯里兰卡车牌数据集
- 孟加拉车牌
- 拉脱维亚车牌
21. 图像配准
- Brown 数据集
- ETHZ Toys
- HPatches
- 多模态图像配准数据集
- FIRE眼底图像配准数据集
- 结构 MRI 图像
- CT扫描医学图像配准数据集
- UNIFESP X 射线人体部位分类数据集
22. 卡车货车、野外火灾、抽烟识别
- 卡车倾倒建筑垃圾
- 工程车辆（货车/拖车）数据集
- Smoke100k
- 野外火灾烟雾数据集
- 抽烟者/不抽烟者数据集
- 香烟识别
23. 道路裂缝坑洼图像
- CrackForest
- 道路裂缝坑洼图像
- 坑洼检测
- 坑洼图像
- 道路坑洼检测
- 道路损害数据集
- 混凝土表面裂纹检测
- 道路裂缝检测
- CrackSeg3
24. 足球图像相关
- IAUFD：用于自动足球分析的 100k 图像数据集
- 足球 Vs 橄榄球图片分类
- 足球图像数据集（附注释）
- 板球-足球-棒球分类
- 足球运动员位置图像数据集
25. 农业相关
- DeepWeeds 杂草类型分类
- 仙人掌航拍图片
- 农作物图像分类（小麦、水稻、甘蔗、玉米等）
- 5种不同的水稻图像
- 玉米叶感染
26. 卫星图像
- 水体卫星图像
- 城市航拍图像分割数据集
- 游泳池和汽车卫星图像检测
- 人工月球景观
AI搜集汇总
数据集介绍
构建方式
AI-TOD航空图像数据集通过从航空图像中提取小目标样本，经过精细的标注和分类，构建了一个专门用于小目标检测的数据集。该数据集的构建过程中，采用了高分辨率的航空图像，并对图像中的小目标进行了像素级的标注，确保了数据的准确性和完整性。通过这种方式，数据集能够为小目标检测任务提供丰富的训练和测试样本，支持深度学习模型在该领域的应用。
特点
AI-TOD航空图像数据集的主要特点在于其专注于小目标检测，涵盖了多种复杂场景下的航空图像。数据集中的图像具有高分辨率，能够捕捉到细微的目标细节，适合用于训练和评估小目标检测算法。此外，数据集的标注精细，涵盖了多种目标类别，能够为模型提供多样化的训练数据，提升其在实际应用中的泛化能力。
使用方法
AI-TOD航空图像数据集适用于多种深度学习模型的训练和评估，尤其是在小目标检测领域。用户可以通过下载数据集，使用其中的图像和标注进行模型的训练和测试。数据集提供了详细的标注信息，用户可以根据需求选择不同的目标类别进行训练。此外，数据集的高分辨率图像可以用于多种视觉任务，如目标检测、图像分割等，适合研究者和开发者进行算法优化和模型验证。
背景与挑战
背景概述
AI-TOD航空图像数据集是由相关领域的研究人员于2023年创建的，旨在解决航空图像中的小目标检测问题。该数据集的构建主要由深度学习领域的专家团队负责，其核心研究问题是如何在高分辨率航空图像中准确检测和识别微小目标。航空图像中的小目标检测在军事监控、城市规划、灾害评估等领域具有广泛的应用前景，因此该数据集的发布对推动相关领域的技术进步具有重要意义。
当前挑战
AI-TOD航空图像数据集在构建过程中面临的主要挑战包括：1) 小目标的检测难度较大，由于目标尺寸小、分辨率低，容易受到背景噪声和复杂环境的影响；2) 数据标注的复杂性，航空图像中的小目标需要高精度的标注，这增加了数据集构建的工作量和成本；3) 数据集的多样性和覆盖范围，确保数据集能够涵盖不同场景、不同光照条件和不同目标类型，以提高模型的泛化能力。此外，如何在有限的计算资源下高效处理和分析高分辨率航空图像也是一个重要的技术挑战。
常用场景
经典使用场景
AI-TOD航空图像数据集在目标检测领域中具有广泛的应用，尤其是在小目标检测任务中表现尤为突出。由于航空图像中目标通常较小且密集，传统的目标检测方法难以有效识别。AI-TOD通过提供高分辨率的航空图像数据，帮助研究人员开发和优化针对小目标的检测算法，从而提升检测精度和效率。
解决学术问题
AI-TOD航空图像数据集解决了传统目标检测方法在小目标检测中的局限性问题。通过提供高分辨率的航空图像数据，该数据集为研究人员提供了丰富的训练样本，使得深度学习模型能够更好地学习小目标的特征，从而提高检测精度。这一数据集的引入极大地推动了小目标检测技术的发展，为航空图像分析提供了新的研究方向。
衍生相关工作
AI-TOD航空图像数据集的发布激发了大量相关研究工作，尤其是在小目标检测和航空图像分析领域。许多研究者基于该数据集开发了新的目标检测算法，如基于注意力机制的小目标检测模型和多尺度特征融合方法。此外，该数据集还被用于验证和改进现有的目标检测框架，推动了航空图像分析技术的整体进步。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
HazyDet
HazyDet是由解放军工程大学等机构创建的一个大规模数据集，专门用于雾霾场景下的无人机视角物体检测。该数据集包含383,000个真实世界实例，收集自自然雾霾环境和正常场景中人工添加的雾霾效果，以模拟恶劣天气条件。数据集的创建过程结合了深度估计和大气散射模型，确保了数据的真实性和多样性。HazyDet主要应用于无人机在恶劣天气条件下的物体检测，旨在提高无人机在复杂环境中的感知能力。
arXiv 收录
AgiBot World
为了进一步推动通用具身智能领域研究进展，让高质量机器人数据触手可及，作为上海模塑申城语料普惠计划中的一份子，智元机器人携手上海人工智能实验室、国家地方共建人形机器人创新中心以及上海库帕思，重磅发布全球首个基于全域真实场景、全能硬件平台、全程质量把控的百万真机数据集开源项目 AgiBot World。这一里程碑式的开源项目，旨在构建国际领先的开源技术底座，标志着具身智能领域 「ImageNet 时刻」已到来。AgiBot World 是全球首个基于全域真实场景、全能硬件平台、全程质量把控的大规模机器人数据集。相比于 Google 开源的 Open X-Embodiment 数据集，AgiBot World 的长程数据规模高出 10 倍，场景范围覆盖面扩大 100 倍，数据质量从实验室级上升到工业级标准。AgiBot World 数据集收录了八十余种日常生活中的多样化技能，从抓取、放置、推、拉等基础操作，到搅拌、折叠、熨烫等精细长程、双臂协同复杂交互，几乎涵盖了日常生活所需的绝大多数动作需求。
github 收录
TM-Senti
TM-Senti是由伦敦玛丽女王大学开发的一个大规模、远距离监督的Twitter情感数据集，包含超过1.84亿条推文，覆盖了超过七年的时间跨度。该数据集基于互联网档案馆的公开推文存档，可以完全重新构建，包括推文元数据且无缺失推文。数据集内容丰富，涵盖多种语言，主要用于情感分析和文本分类等任务。创建过程中，研究团队精心筛选了表情符号和表情，确保数据集的质量和多样性。该数据集的应用领域广泛，旨在解决社交媒体情感表达的长期变化问题，特别是在表情符号和表情使用上的趋势分析。
arXiv 收录
Canadian Census
**Overview** The data package provides demographics for Canadian population groups according to multiple location categories: Forward Sortation Areas (FSAs), Census Metropolitan Areas (CMAs) and Census Agglomerations (CAs), Federal Electoral Districts (FEDs), Health Regions (HRs) and provinces. **Description** The data are available through the Canadian Census and the National Household Survey (NHS), separated or combined. The main demographic indicators provided for the population groups, stratified not only by location but also for the majority by demographical and socioeconomic characteristics, are population number, females and males, usual residents and private dwellings. The primary use of the data at the Health Region level is for health surveillance and population health research. Federal and provincial departments of health and human resources, social service agencies, and other types of government agencies use the information to monitor, plan, implement and evaluate programs to improve the health of Canadians and the efficiency of health services. Researchers from various fields use the information to conduct research to improve health. Non-profit health organizations and the media use the health region data to raise awareness about health, an issue of concern to all Canadians. The Census population counts for a particular geographic area representing the number of Canadians whose usual place of residence is in that area, regardless of where they happened to be on Census Day. Also included are any Canadians who were staying in that area on Census Day and who had no usual place of residence elsewhere in Canada, as well as those considered to be 'non-permanent residents'. National Household Survey (NHS) provides demographic data for various levels of geography, including provinces and territories, census metropolitan areas/census agglomerations, census divisions, census subdivisions, census tracts, federal electoral districts and health regions. In order to provide a comprehensive overview of an area, this product presents data from both the NHS and the Census. NHS data topics include immigration and ethnocultural diversity; aboriginal peoples; education and labor; mobility and migration; language of work; income and housing. 2011 Census data topics include population and dwelling counts; age and sex; families, households and marital status; structural type of dwelling and collectives; and language. The data are collected for private dwellings occupied by usual residents. A private dwelling is a dwelling in which a person or a group of persons permanently reside. Information for the National Household Survey does not include information for collective dwellings. Collective dwellings are dwellings used for commercial, institutional or communal purposes, such as a hotel, a hospital or a work camp. **Benefits** - Useful for canada public health stakeholders, for public health specialist or specialized public and other interested parties. for health surveillance and population health research. for monitoring, planning, implementation and evaluation of health-related programs. media agencies may use the health regions data to raise awareness about health, an issue of concern to all canadians. giving the addition of longitude and latitude in some of the datasets the data can be useful to transpose the values into geographical representations. the fields descriptions along with the dataset description are useful for the user to quickly understand the data and the dataset. **License Information** The use of John Snow Labs datasets is free for personal and research purposes. For commercial use please subscribe to the [Data Library](https://www.johnsnowlabs.com/marketplace/) on John Snow Labs website. The subscription will allow you to use all John Snow Labs datasets and data packages for commercial purposes. **Included Datasets** - [Canadian Population and Dwelling by FSA 2011](https://www.johnsnowlabs.com/marketplace/canadian-population-and-dwelling-by-fsa-2011) - This Canadian Census dataset covers data on population, total private dwellings and private dwellings occupied by usual residents by forward sortation area (FSA). It is enriched with the percentage of the population or dwellings versus the total amount as well as the geographical area, province, and latitude and longitude. The whole Canada's population is marked as 100, referring to 100% for the percentages. - [Detailed Canadian Population Statistics by CMAs and CAs 2011](https://www.johnsnowlabs.com/marketplace/detailed-canadian-population-statistics-by-cmas-and-cas-2011) - This dataset covers the population statistics of Canada by Census Metropolitan Areas (CMAs) and Census Agglomerations (CAs). It is categorized also by citizen/immigration status, ethnic origin, religion, mobility, education, language, work, housing, income etc. There is detailed characteristics categorization within these stated categories that are in 5 layers. - [Detailed Canadian Population Statistics by FED 2011](https://www.johnsnowlabs.com/marketplace/detailed-canadian-population-statistics-by-fed-2011) - This dataset covers the population statistics of Canada from 2011 by Federal Electoral District of 2013 Representation Order. It is categorized also by citizen/immigration status, ethnic origin, religion, mobility, education, language, work, housing, income etc. There is detailed characteristics categorization within these stated categories that are in 5 layers. - [Detailed Canadian Population Statistics by Health Region 2011](https://www.johnsnowlabs.com/marketplace/detailed-canadian-population-statistics-by-health-region-2011) - This dataset covers the population statistics of Canada by health region. It is categorized also by citizen/immigration status, ethnic origin, religion, mobility, education, language, work, housing, income etc. There is detailed characteristics categorization within these stated categories that are in 5 layers. - [Detailed Canadian Population Statistics by Province 2011](https://www.johnsnowlabs.com/marketplace/detailed-canadian-population-statistics-by-province-2011) - This dataset covers the population statistics of Canada by provinces and territories. It is categorized also by citizen/immigration status, ethnic origin, religion, mobility, education, language, work, housing, income etc. There is detailed characteristics categorization within these stated categories that are in 5 layers. **Data Engineering Overview** **We deliver high-quality data** - Each dataset goes through 3 levels of quality review - 2 Manual reviews are done by domain experts - Then, an automated set of 60+ validations enforces every datum matches metadata & defined constraints - Data is normalized into one unified type system - All dates, unites, codes, currencies look the same - All null values are normalized to the same value - All dataset and field names are SQL and Hive compliant - Data and Metadata - Data is available in both CSV and Apache Parquet format, optimized for high read performance on distributed Hadoop, Spark & MPP clusters - Metadata is provided in the open Frictionless Data standard, and its every field is normalized & validated - Data Updates - Data updates support replace-on-update: outdated foreign keys are deprecated, not deleted **Our data is curated and enriched by domain experts** Each dataset is manually curated by our team of doctors, pharmacists, public health & medical billing experts: - Field names, descriptions, and normalized values are chosen by people who actually understand their meaning - Healthcare & life science experts add categories, search keywords, descriptions and more to each dataset - Both manual and automated data enrichment supported for clinical codes, providers, drugs, and geo-locations - The data is always kept up to date – even when the source requires manual effort to get updates - Support for data subscribers is provided directly by the domain experts who curated the data sets - Every data source’s license is manually verified to allow for royalty-free commercial use and redistribution. **Need Help?** If you have questions about our products, contact us at [info@johnsnowlabs.com](mailto:info@johnsnowlabs.com).
Databricks 收录
MedDialog
MedDialog数据集（中文）包含了医生和患者之间的对话（中文）。它有110万个对话和400万个话语。数据还在不断增长，会有更多的对话加入。原始对话来自好大夫网。
github 收录