A large and rich EEG dataset for modeling human visual object recognition

Dataset motivation and summary
The human brain achieves visual object recognition through multiple stages of linear and nonlinear transformations operating at a millisecond scale. To predict and explain these rapid transformations, computational neuroscientists employ machine learning modeling techniques. However, state-of-the-art models require massive amounts of data to properly train, and to the present day there is a lack of vast brain datasets which extensively sample the temporal dynamics of visual object recognition. Here we collected a large and rich dataset of high temporal resolution EEG responses to images of objects on a natural background. This dataset includes 10 participants, each with 82,160 trials spanning 16,740 image conditions coming from the THINGS database. We release this dataset as a tool to foster research in visual neuroscience and computer vision.
Additional dataset information
For information regarding the experimental paradigm and the EEG recording protocol and the dataset validation through computational modeling analyses please refer to our paper.
Additional data and resources
For additional data and resources visit our OSF project, where you can find:

A detailed description of the raw EEG data files
The preprocessed EEG data
The stimuli images
The EEG resting state data

Citations
If you use any of our data, please cite our paper.

数据集研究动机与概况
人类大脑通过以毫秒级运行的多阶段线性与非线性变换实现视觉物体识别。为预测并阐释这类快速变换过程，计算神经科学家采用了机器学习建模技术。然而，当前最优的模型需要海量数据才能完成有效训练，且时至今日仍缺乏能够全面采样视觉物体识别时序动态的大型脑科学数据集。为此，我们收集了一套大规模且内容丰富的数据集，该数据集包含自然背景下物体图像诱发的高时间分辨率脑电（Electroencephalogram，EEG）响应。本数据集共包含10名参与者的数据，每名参与者完成了82160次试次，覆盖源自THINGS数据库的16740种图像条件。我们公开此数据集，以期推动视觉神经科学与计算机视觉领域的相关研究。

附加数据集信息
有关实验范式、脑电记录方案，以及通过计算建模分析开展的数据集验证方法的详细信息，请参阅我们的学术论文。

附加数据与资源
如需获取更多数据与资源，请访问我们的OSF项目页面，您可在此找到：
原始脑电数据文件的详细说明
预处理后的脑电数据
实验刺激图像
脑电静息态数据

引用说明
若您使用本数据集的相关数据，请引用我们的学术论文。

搜集汇总

背景与挑战

背景概述

该数据集是一个大规模、高时间分辨率的EEG数据集，记录了10名参与者对自然背景中物体图像的神经响应，包含82,160次试验和16,740种图像条件，旨在促进视觉神经科学和计算机视觉的研究。