firc-dataset

该仓库是一个数据集集合，包含多个计算机视觉相关的数据集，如工地基坑积水检测、智慧果园桃子成熟度检测、车型识别、云室粒子探测、重卡轻卡摩托车检测、细胞有丝分裂检测、无人机航拍垃圾检测、电力场景缺陷检测、办公室场景姿态估计、不锈钢管道缺陷检测、电缆缺陷检测、高空作业安全检测、室内装修工姿态、击剑运动姿态、煤气罐状态检测、屋顶缺陷检测、车辆关键点检测、车牌关键点检测、交通手势指挥、人体跌倒检测、牛关键点检测等。这些数据集主要用于目标检测和姿态估计任务，格式包括VOC+YOLO和COCO+YOLO。The firc-dataset is a curated collection of datasets, including multiple datasets for image classification, object detection, and semantic segmentation tasks. This collection covers a wide range of application domains, such as defects in drainage pipelines, skin diseases, swine skin diseases, blood type fingerprints, dog behaviors, millimeter-wave human body motions, drone-captured forest trees, clothing stains, brain tumors, game detection, plant diseases, illegal building recognition, clothing classification, horse detection, oxygen tank detection, algae recognition, pest detection, seat belt detection, pharmaceutical defects, building cracks, bread mold, dental caries, and snow accumulation on photovoltaic panels. Each dataset in this collection is accompanied by a corresponding download link.

原始信息汇总

数据集详情总结

该页面汇集了 多个计算机视觉数据集，涵盖图像分类、目标检测、图像分割等任务，总计超过100个数据集。所有数据集均提供下载链接，推荐使用搜索工具（支持Windows 10及以上）进行下载。

数据集概览

数据集中部分列举如下，其应用领域广泛：

• 工业缺陷检测： 包括排水管道缺陷、药品外包装缺陷、轴承外壳缺陷、玻璃瓶缺陷、纺织品缺陷、太阳能板缺陷等。
• 智慧医疗： 包括皮肤病、脑部肿瘤、龋齿蛀牙、白内障手术器具、药丸缺陷、腰椎疾病、肾结石等图像分类或分割数据集。
• 智慧农业： 包括生猪皮肤病、茄子叶片病害、水稻害虫、田间杂草、猕猴桃叶片病害、棉花生长状态等检测或分类数据集。
• 智慧交通： 包括驾驶员安全带检测、车辆冒黑烟、交通违章、道路坑洞裂缝、路面异常、港澳车牌检测等。
• 无人机/遥感： 包括航拍森林树木健康检测、违建违章建筑识别、树木识别分割、洪水识别、遥感图像地块类型分割等。
• 其他领域： 包括Apex游戏敌友方检测、中国象棋检测、键盘按键检测、K线技术分析形态检测、台球检测等。

数据集格式

数据集主要采用以下格式：

• 目标检测： VOC、YOLO格式（多数为VOC+YOLO格式）。
• 图像分割： labelme格式。
• 图像分类： 标准分类格式。

下载方式

• 搜索工具： 推荐从百度AI Studio数据集页面下载。
• 表格浏览： 可通过金山文档查看完整表格。
• 单个下载： 每个数据集均有独立的下载链接（例如：排水管道缺陷分类数据下载链接为 https://mbd.pub/o/bread/YZaTm5pwZw==）。

搜集汇总

数据集介绍

构建方式

firc-dataset是一个涵盖多领域视觉任务的综合性图像数据集。其构建基于对实际应用场景的深度洞察，汇集了来自智慧医疗、智慧农业、智慧交通、智慧城市、工业检测、遥感监测等领域的图像数据。每个子数据集均经过严格标注，格式涵盖图像分类、目标检测（VOC/YOLO格式）以及语义分割（labelme格式），确保了数据的高质量与多样性。数据集通过专门的搜索工具以及表格形式进行索引与分发，用户可便捷地获取所需子集。

特点

该数据集的核心特点在于其庞大的规模与丰富的类别覆盖，总计包含超过一百个细分子数据集，样本数量从数百到数万不等，类别涵盖物体检测、缺陷识别、行为分析、医疗诊断等多个维度。数据来源广泛，包括无人机航拍、监控视角、红外成像、遥感影像等，充分模拟了真实世界中的复杂场景。此外，数据集提供了多种标注格式与数据增强版本，显著提升了其在模型训练与评估中的适用性与泛化能力。

使用方法

使用firc-dataset时，推荐优先采用开发团队提供的专用搜索工具（支持Windows 10及以上系统）进行数据集的检索与下载，工具集成于百度AI Studio平台。用户也可通过金山文档在线表格直接浏览所有子数据集的介绍与下载链接。每个子集均提供独立的下载页面，数据以压缩包形式发布，解压后即可直接用于基于PyTorch、TensorFlow等框架的模型训练流程，无需额外格式转换。

背景与挑战

背景概述

firc-dataset是一个汇集了众多面向垂直领域计算机视觉任务的综合性数据集集合，创建于2024年，由国内研究团队依托百度飞桨AI Studio平台发布。该数据集集合涵盖了智慧医疗、智慧交通、智慧农业、工业检测、遥感监测等十余个应用方向，囊括了超过150个细分数据集，总计图像数量达数十万张，类别覆盖从皮肤病分类、道路病害检测到无人机巡检等多种场景。其核心研究问题在于为特定领域提供高质量、标准化的标注数据，以推动计算机视觉技术从通用场景向行业精细应用落地。该数据集集合已对智慧城市、现代农业、智能制造业等领域的研究产生显著推动力，降低了行业应用的门槛。

当前挑战

firc-dataset面临的核心挑战首先来自领域问题的复杂性——各个子数据集对应不同场景，例如排水管道缺陷图像分类需识别细微裂缝与腐蚀，医用图像分割需精细勾勒病灶边界，这些任务对模型精度与鲁棒性提出了极高要求。其次，数据集构建过程中遭遇多重困难：各类图像来源不一，如无人机航拍、监控画面、微观摄影等，导致光照、角度、分辨率的巨大差异；标注工作依赖人工专家，医疗影像需专业医师参与，农业病害需农学背景人员，标注成本高昂且标准难以统一；部分数据集样本量偏少，如面包发霉检测仅有174张图片，容易引发模型过拟合。这些挑战制约了数据集在实际系统中的直接应用效能。

常用场景

经典使用场景

firc-dataset是一个综合性开源数据集，涵盖智慧医疗、农业、交通、工业检测、遥感等多领域的图像分类与目标检测任务。其经典使用场景在于为计算机视觉模型提供大规模、多类别、多格式（VOC/YOLO、labelme）的标注数据，支持深度学习算法在缺陷检测、行为识别、状态分类等细分任务上的训练与验证。研究人员可借助该数据集高效构建和评估模型，尤其在细粒度分类与多类别检测方面具有显著优势。

解决学术问题

该数据集系统性地解决了学术研究中真实场景数据匮乏、类别不均衡及标注格式不统一等瓶颈问题。通过提供涵盖219类别的排水管道缺陷分类、22类皮肤病诊断、各行业设备异常检测等高质量数据，显著提升了模型在罕见类别上的泛化能力，推动了迁移学习与弱监督学习在工业视觉与医疗影像领域的进展，为自动化诊断与智能巡检等研究方向奠定了数据基础。

衍生相关工作

该数据集衍生了大量经典工作，包括基于YOLOv5/v8的缺陷检测算法优化、针对类别不平衡的焦点损失函数改进方法，以及结合Transformer架构的多任务学习模型。部分研究在此基础上开展了跨域迁移学习，将预训练模型应用于木材纹理缺陷检测、建筑物表面病害识别等衍生任务，进一步验证了数据集的实用价值与可扩展性，促进了工业视觉领域的标准化评测体系构建。