深度学习常用标签工具和数据集
标签工具
- labelimg：目标进行大致的标定，适用于图像检测任务的数据集制作
- labelme：用于较为细致的轮廓标定，适用于图像分割任务的数据集制作
- VoTT：微软出品，既可以标注视频，也可以标注图片，而且支持已有模型的集成，适用于图像检测任务的数据集制作
- yolo_mark：yolo2的团队开源的一个图像标注工具，适用于图像检测任务的数据集制作
- Vatic：可以做视频的标注，适用于图像检测任务的数据集制作
- Sloth：适用于图像检测任务的数据集制作
- Annotorious：提供了相应的API接口，方便直接修改和调用，适用于图像检测任务的数据集制作
- RectLabel：Mac平台，适用于图像检测任务的数据集制作
- IAT：支持一些基础形状的选择，适用于图像分割任务的数据集制作
数据集
目标检测
- mnist：手写字体识别是深度学习入门级数据样本集，总共有70000张28*28的手写字体黑白图片
- PASCAL VOC：2GB、人类、动物、交通工具等20个类别，适合用来测试算法性能
- COCO：40GB、对于图像的标注信息不仅有类别、位置信息，还有对图像的语义文本描述。适合图像识别、分割和图像语义
- Imagenet：1400多万幅图片，涵盖2万多个类别；其中有超过百万的图片有明确的类别标注和图像中物体位置的标注，于图像分类、定位、检测等研究工作大多基于此数据集展开
人脸检测
- UMDFaces：8000+个类别，总共36W张人脸图片，全都是经过标注的样本，标注信息保存在csv文件中，除了人脸的box，还有人脸特征点的方位信息
人脸识别
- FDDB：2010年非约束环境人脸检测数据库FDDB,总共2845张图像，5171张，人脸非约束环境，人脸的难度较大，有面部表情，双下巴，光照变化，穿戴，夸张发型，遮挡等难点，是目标最常用的数据库
- WIDER FACE：2016年提出的，目前难度最大的WIDER FACE，共32203图像，393703标注人脸，目前难度最大，各种难点比较全面：尺度，姿态，遮挡，表情，化妆，光照等
- CASIA-WebFace：李子青组的 CASIA-WebFace(50万，1万个人). 需申请
- MegaFace：华盛顿大学百万人脸MegaFace数据集. 邮件申请, 是一个60G的压缩文件. MegaFace
- WLFDB：南洋理工 WLFDB. (70万+,6,025). 需申请
- MSRA-CFW：微软的MSRA-CFW ( 202792 张, 1583人). 可以直接通过OneDrive下载
- CelebA：汤晓欧实验室的CelebA(20万+), 标注信息丰富. 现在可以直接从百度网盘下载
- FaceScrub：提供图片下载链接（100,100张，530人）