在做目標檢測方面的神經網絡開發時，不可避免需要用到訓練數據。目前在目標檢測中比較有名的數據集是：
PASCAL VOC,MS COCO,ImageNet.
我收集匯總了常見的一些數據集的地址方便以后使用。
1. PASCALVOC
http://host.robots.ox.ac.uk/pascal/VOC/
VOC數據集是目標檢測經常用的一個數據集，從05年到12年都會舉辦比賽（比賽有task：Classification 、Detection（將圖片中所有的目標用bounding box框出來）、Segmentation（將圖片中所有的目標分割出來）、Person Layout）.
有VOC2007和VOC2012兩個數據集。
包含約10,000張帶有邊界框的圖片用于訓練和驗證。含有20個類別。具體包括
Person: person
Animal: bird, cat, cow, dog, horse,sheep
Vehicle: aeroplane, bicycle, boat,bus, car, motorbike, train
Indoor: bottle, chair, dining table,potted plant, sofa, tv/monitor
注：由于類別僅20個，因此被看成目標檢測方向的一個基準數據集
關于數據集：
- 所有的標注圖片都有Detection需要的label， 但只有部分數據有SegmentationLabel。
- VOC2007中包含9963張標注過的圖片， 由train/val/test三部分組成， 共標注出24,640個物體。
- VOC2007的test數據label已經公布， 之后的沒有公布（只有圖片，沒有label）
- 對于檢測任務，VOC2012的trainval/test包含08-11年的所有對應圖片。trainval有11540張圖片共27450個物體。
數據集下載完后會有5個文件夾。Annotations、ImageSets、JPEGImages、SegmentationClass、SegmentationObject。
2.MSCOCO數據集：
是微軟公司建立的數據集。對于目標檢測任務，COCO包含80個類別，每年大賽的訓練和和驗證集包含120,000張圖片，超過40,000張測試圖片。下面是這個數據集中的80個類別：
Person#1：person
Vehicle#8：bicycle,car,motorcycle,airplane,bus,train,truck,boat
Outdoor#5：traffic light, firhydrant, stop sign, parking meter, bench
Animal#10：bird,cat, dog,horse, sheep, cow, elephant, bear, zebra, giraffe
Accessory#5：backpack, umbrella,handbag, tie, suitcase
Sport#10：frisbee, skis,snowboard, sports ball, kite, baseball bat , baseball glove, skateboard, surfboard, tennisracket
Kitchen#7：bottle, wine glass,cup, fork, knife, spoon, bowl
Food#10：banana, apple,sandwich, orange, broccoli, carrot, hot dog, pizza, donut, cake
Furniture#6: chair, couch, potted plant,bed, dining table, toilet
Electronic#6：tv, laptop, mouse,remote, keyboard, cell phone
Appliance#5：microwave, oven,toaster, sink, refrigerator
Indoor#7：book, clock, vase,scissors, teddy bear, hair drier, toothbrus
MS COCO數據集介紹以及下載鏈接：
3.ImageNet數據集：
是一個計算機視覺系統識別項目，是目前世界上圖像識別最大的數據庫，是美國斯坦福的計算機科學家，模擬人類的識別系統建立的。ImageNet數據集是按照WordNet架構組織的大規模帶標簽圖像數據集。大約1500萬張圖片，2.2萬類，每張都經過嚴格的人工篩選與標記。ImageNet類似于圖片所有引擎。
其中，包括邊界框的目標檢測數據集，訓練數據集包括500,000張圖片，屬于200類物體。由于數據集太大，訓練所需計算量很大；類別數較多；造成了很少使用和目標檢測的難度也很大。
ImageNet數據集介紹以及下載鏈接：
4.?其它更多分類數據集：
https://blog.csdn.net/u010429424/article/details/72171476#gesture
這里包括了以下種類的數據集：行動數據庫，屬性識別，自主駕駛
生物/醫藥，相機校準，臉和眼/虹膜數據庫，指紋，一般圖像，一般RGBD和深度數據集，一般視頻，手，掌握，手動和手勢數據庫，圖像，視頻和形狀數據庫檢索，對象數據庫，人（靜），人體姿勢，人員檢測和跟蹤數據庫（另見監控），遙感，場景或地點分割或分類，分割，同時本地化和映射，監視和跟蹤（另見人物），紋理，城市數據集，其他收藏頁，雜項主題
5. 關于數據集的博客：
https://blog.csdn.net/liuxiao214/article/details/80552026
