《表1 主要的通用目标数据集比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《目标检测中的尺度变换应用综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

目标检测领域有很多大规模数据集，包括ILS-VRC（ImageNet large scale visual recognition challenge）（Russakovsky等，2015）、Pascal VOC（visual object class）（Everingham等，2010）、SUN（scene understanding）（Xiao等，2016）等通用目标数据集。此外，还有一些针对某类物体的特定数据集。VisDrone 2018（Zhu等，2018）是基于无人机拍摄的视频进行标定的数据集、Caltech（Dollar等，2012）和CityPersons（Zhang等，2017）是包含行人设计的数据集、KITTI（Karlsruhe Institute of Technology&Toyota Technological Institute）（Geiger等，2012）是自动驾驶场景下的算法评价数据集。应用较为广泛的是MS COCO（Microsoft common objects in context）数据集（Lin等，2014），其包括大量具有挑战性的标注图像，并设有检测挑战赛。训练特定网络时，一般需要对这些大规模数据集内的数据进行筛选（Chen等，2017b）。部分上述数据集包含的数据量如表1所示。其中测试图像量包括验证集图像量和测试集图像量，在表1中分别给出。