在如今的人工智能和机器学习领域中，计算机视觉（CV）无疑是最热门的一大分支。在自动驾驶、社交媒体面部识别、医学影像分析、家居安防系统、生产流程质量管控等各行各业的场景中，CV 的应用都在致力于改善人们的生活并推进科学技术的研究。

训练高质量的 CV 算法是一个时间和数据密集型的工程。这使得 CV 的部署往往面临训练数据不足的挑战。预标注 CV 数据集或许是一个高性价比的解决方案。小编搜罗了全网各种类型场景的开源/可购买数据集，整理了这份“十大最佳 CV 数据集榜单”，点击文字链接即可 get√，赶快点赞收藏起来吧！

最适合无偏见数据：ObjectNet

预标注 CV 数据集的主要问题之一是偏见，这是由于许多数据集的来源均使用从互联网上抓取的不完整图像。与传统数据集不同，由 MIT-IBM Watson AI Lab 开发的 ObjectNet 不是从现有来源挑选照片，而是将图片进行人工众包及审核。

ObjectNet 的图像审核过程是对整个数据集进行评估，以确保背景、光照、旋转和其他图像因素具有足够的多样性，从而减小偏见。ObjectNet 数据集包含分布在 313 个对象类中的 50,000 张图像，对于训练高质量的 CV 模型非常有用。

目标识别的最佳选择：VisualData

对于旨在目标识别的 CV 模型而言，VisualData是寻找正确数据集的最佳选择。VisualData 通过监测大学实验室、社交媒体和许多其他可靠来源，来跟踪新发布的开源数据集，并提供可供使用的开源数据集可搜索存档，可按照发布日期、主题、关键字搜索对数据集进行排序，方便找到适合 CV 应用的正确图像。

共享/查找数据的最佳选择：Graviti

Graviti建立了一个开放的数据集社区，其中，各种企业、机构、研究团队和个人开发人员共享、访问和管理大型数据集。Graviti 拥有上千个高质量的开源数据集，可用于 50 多种应用场景和十几种数据格式，为数据搜索者提供了不断扩展的数据集选择。

大型数据集的最佳选择：ImageNet

ImageNet 是市场上最大、最受欢迎的开源数据集之一。ImageNet 拥有超过 1400 万张已手动标注的图像。数据库按 WordNet 层次结构予以组织，对象级标注通过边界框完成。

使用不同文件格式的最佳选择：Roboflow

Roboflow旨在支持开发人员创建自己的 CV/ML 模型。作为简化模型构建过程的一部分，Roboflow 还具有可用于训练 CV 模型的开源数据集。这些数据集涵盖各种领域，包括动物、棋类游戏、自动驾驶汽车、医疗、热图像和空中无人机图像。Roboflow 还提供一些由合成数据组成的预标注数据集。Roboflow 的优势在于它为用户提供了以多种不同格式下载图像的能力。这些格式包括：VOC XML、COCO JSON、YOLOv3 平面文本文件和 TFRecords。

最新数据集/模糊数据集的最佳选择：GitHub/Kaggle

如果同时处理许多不同的 CV 项目，那么像GitHub和Kaggle这样的社区构建和共享平台会是最佳选择之一。通过加入这些免费的社区，可以开始构建自己的知识库，了解哪些数据集对于项目最有帮助，还可以与其他数据科学家和机器学习工程师建立联系，他们可能会提供意想不到的帮助。

人物交互视频的最佳选择：Kinetics

Kinetics提供一个开源数据集，其中包含 650,000 个视频剪辑，涵盖 700 个人类动作类型。该数据集包括人与物互动、人与人互动。数据集可以细分为 700 个视频剪辑的部分，且每个视频剪辑均有标注，持续大约 10 秒。Kinetics 数据集是一个高质量的数据集，可用于许多不同的 CV 应用场景。

识别性别和年龄的最佳选择：IMDB-WIKI

对于训练识别一个人的年龄或性别的 CV 模型而言，IMDB-WIKI 开源数据集是一个很好的选择，在许多不同的网站（如GitHub）上均可找到该数据集。IMDB-WIKI 数据集共有 523,051 张图片。这些图像均从维基百科和 IMDB 中提取。每张图像均有标注，包括图像中人物的性别、年龄和姓名。这使得该开源数据集成为最大的可公开使用的人脸数据集。

自动驾驶 CV 模型训练的最佳选择：Berkeley DeepDrive

在自动驾驶汽车上路之前，它们均需要数小时的训练。为使这些 CV 模型的训练更易获取，加州大学伯克利分校创建了拥有超过 10 万个视频序列的Berkeley DeepDrive数据集。该数据集为开源数据集，可供公众使用。Berkeley DeepDrive 数据集包含各种标注，包括目标边界框、驾驶区域、图像级标记、地面标记和全帧实例分割。

大型、多元化项目的最佳选择：澳鹏 Appen

澳鹏 Appen 拥有超过 250 个可授权的数据集，可用于各种不同类型的 CV 项目，包括音频、语音、视频、图像和文字。在我们的预标注数据集中，拥有超过 25,000 张图像和涵盖 80 多种语言及方言的 870 万个单词。

每一个成品预标注数据集都经过精心设计，适合大规模训练高精度的 CV 模型。在澳鹏 Appen，我们与全球超过 100 万名专业众包合作，并将人工和自动化平台工具相结合，能够为使用多种语言的国际大型项目创建可靠的训练数据集。

同时，澳鹏 Appen 也可提供全托管的数据采集解决方案及定制化的数据标注服务，为特定的应用场景创建高度定制化的高质量数据集。联系我们，了解最适合您的 CV 模型数据解决方案。

预标注 CV 数据集的兴起使企业能够更容易获取训练 CV 模型所需的数据。随着越来越多的企业意识到 CV 模型的强大功能，CV 数据集的作用也愈加凸显——它使得企业能够将资源更多地用于构建和训练 CV 模型，而不在处理数据上浪费过多成本。与此同时，随着这些数据集质量的提高，用于提升整个企业竞争力的 CV 模型也将得到改善。