????????當前的基于CNN的目標檢測深度學習模型，比較主流的是基本都是基于監督學習，如當前相當成熟的YOLO系列、RCNN系列、centernet系列目標檢測算法模型。這種監督學習的方法，很依賴于數據集。模型檢測性能的好壞，很大程度上取決于數據集的數量和質量，即，數據量越多越全面，越接近真實應用場景，那么訓練出來的模型，在實際應用中表現越出色。在算法研究過程中，也需要合適的數據集，來驗證算法設計的性能。所以，在深度學習領域中，數據的意義重大。很多厲害的公司，不但在算法設計方面有獨到之處，在數據保有方面，更是絕無僅有。

????????這里分享一批數據集，姑且命名為SATH數據集吧，這是目標分類英文的首字母拼湊的名稱。是本人用兩年時間，一點一點從地圖上找的，然后一張一張地人工打標簽。尋思著自個兒留著，也就那么一點用，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。這些數據集都是可見光成像圖片，可用于人工智能目標檢測模型訓練，供各位算法研究者以算法研究為目的進行下載。數據集一共包含了四個類別，類別的名稱，如下圖所示。后續發布的數據集，還不止這四個種類。數據集一直在更新，最后數據量，每個種類的圖片可能會有10000張。一點點人工打標簽，每打夠1000張就發布一下。數據集特點，均為RGB彩圖，尺寸為1024x1024，標簽格式為xml格式。

數據集連接：

數據集-01

數據集-02

數據集-03

數據集-04

???????

???

?

??

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。