数据集轻松按需搜索，这个工具汇集近2000个图像数据集，可免费获取｜Reddit高热

白交 2020-08-10 12:53:45 来源：量子位

杨净 发自 凹非寺
量子位 报道 | 公众号 QbitAI

每个研究机器学习项目的人，似乎都有这样的痛苦。那就是从学术网站、GitHub上寻找到合适的数据集。

但现在，有这样一个网站可以帮你搞定，让AI开发变得更加简单易行。

这个项目名叫BIFROST，一个数据集搜索工具，里面共有1899个图像数据集，还专门设置分类，比如Humans、Geospatial、Autonomous Cars等。

一键搜索，免费获取，直接链接到原始数据库，帮你快速找到合适的数据集。研究团队来自新加坡，Reddit上17小时热度200+。

使用说明

话不多说，我们就直接来上这个网站来试试～

正如刚才所看到的，这个工具是按任务、应用、类别、标签或格式进行分类。

根据「类别」，这个网站共分为18类，比如Humans、Geospatial、Autonomous Cars、Retail、3D等。

向左滑动，选择你需要的类别，一键即可出结果，我们以3D为例，然后就呈现这样的页面。

若以「Humans」为例，界面是酱紫的。

我们也看到，这是按照精选进行排序。除此之外，你还可以选择「最新」、「最多标签数」、「数据集大小」、「图片数量最多」这些分类。

除了「快速检索」之外，还可以根据开发人员的具体需要来进行搜索。

可以选择这些「限定」：任务类型，标签格式，最小图像数量。

其中任务类型主要包括，图像分割，目标检测、图像分类、姿态估计、视觉推理、3D重建、视频分类。

标签格式包括，YOLO、PASCAL、COCO以及Segmentation。

数据集

以COCO为例，这是一个适用于目标检测、图像分割和字幕大型数据集。

界面是这样的：

主要分为图像示例、数据集简介、特性、类别分布四个板块。

在简介部分，可以看到这个数据集的研究团队、一句话介绍，以及通过CC4.0协议的部分，还直接链接到原始数据库和论文地址。

CC4.0协议是一种知识共享许可协议，是一种允许他人分发作品的公共版权许可，还有一种类似的，MIT协议。

作者此次选择的近2000个数据集都通过了这两项协议的。所以网站并不直接管理这些数据集，它只是一个数据集的「搬运工」。

在「类别分布」这一板块，首先会提示，没有标签、标签过多的图像数量。

然后根据不同的标签类别，显示各自的图像数量分布。

这个项目的负责人名叫Charles Wong ，来自新加坡，目前是Bifrost的CEO。

本科就读于新加坡科技设计大学，曾参与MIT Global Leadership Program。

接下来，他们的工作将主要集中在这几个方面：

1. 将网站中的每一个数据集都进行全面分析
2. 改进搜索方式
3. 实现用户上传和分享自己的数据集
4. 生成自己的合成数据集

「Why is our data better？」

就像在网站上介绍到的那样，让你快速、高精度、高准确度地寻找到合适的图像数据集。

感兴趣的朋友，可以戳下方链接去试试哦～

网站地址：https://datasets.bifrost.ai/

参考链接：https://www.reddit.com/r/MachineLearning/comments/i6fsl6/p_we_built_an_easy_way_to_find_image_datasets/