Ein KI-Algorithmus ist nur so gut wie die Daten, die Sie ihm zuführen.
Es ist weder eine kühne noch eine unkonventionelle Aussage. KI hätte vor ein paar Jahrzehnten noch ziemlich weit hergeholt erscheinen können, aber Künstliche Intelligenz und maschinelles Lernen haben seitdem einen wirklich langen Weg zurückgelegt.
Computer Vision hilft Computern, Beschriftungen und Bilder zu verstehen und zu interpretieren. Wenn Sie Ihren Computer mit den richtigen Bilddatensätzen trainieren, kann er verschiedene Gesichtsmerkmale erkennen, verstehen und identifizieren, Krankheiten erkennen, autonome Fahrzeuge steuern und durch mehrdimensionale Organscans Leben retten.
Der Markt für Computer Vision wird voraussichtlich erreichen $ 144.46 Milliarden von 2028 von einem bescheidenen 7.04 Milliarden US-Dollar im Jahr 2020, wächst bei a CAGR von 45.64 % zwischen 2021 und 2028.
Der Bilddatensatz, mit dem Sie Ihre Machine-Learning- und Computer-Vision-Aufgaben füttern und trainieren, ist entscheidend für den Erfolg Ihres KI-Projekts. Ein qualitativ hochwertiger Datensatz ist schwer zu erhalten. Die Verwendung einer vielfältigen Bildsammlung ist unerlässlich, um ein robustes Modelltraining zu gewährleisten und die Komplexität der realen Welt besser abzubilden.
Je nach Komplexität Ihres Projekts kann es einige Tage bis Wochen dauern, bis zuverlässige und relevante Datensätze für Computer Vision-Zwecke vorliegen. Um verschiedene Computer Vision-Aufgaben und reale Szenarien abzudecken, ist eine breite Palette an Datensätzen erforderlich. Forscher benötigen häufig umfangreiche Datensätze für Forschungszwecke, um eine umfassende Modellbewertung zu gewährleisten und ein breites Anwendungsspektrum zu unterstützen.
Hier stellen wir Ihnen eine Auswahl (zur Vereinfachung kategorisiert) von Open-Source-Bilddatensätzen zur Verfügung, die Sie sofort verwenden können.
Aufgaben im Zusammenhang mit Bilddatensätzen: Klassifizierung, Segmentierung, Erkennung und mehr
Bilddatensätze bilden das Rückgrat moderner Computervision und ermöglichen Maschinen die Interpretation und das Verständnis visueller Informationen. Ob Sie ein Modell für autonome Fahrzeuge erstellen, Gesichtserkennungstechnologie entwickeln oder an der medizinischen Bildanalyse arbeiten – der richtige Bilddatensatz ist ein unverzichtbares Werkzeug für den Erfolg.
Bildklassifizierung ist eine der grundlegendsten Aufgaben der Computer Vision. Dabei lernt ein Modell, einem ganzen Bild basierend auf seinem Inhalt eine Beschriftung zuzuweisen. Beispielsweise kann ein Bildklassifizierungsdatensatz einem Modell helfen, zwischen Bildern von Katzen und Hunden zu unterscheiden oder verschiedene Pflanzenarten zu identifizieren. Diese Aufgabe ist entscheidend für Anwendungen wie die automatische Fotomarkierung, die Krankheitsdiagnose anhand medizinischer Bilder und Benchmarks zur Szenenkategorisierung.
Objekterkennung geht noch einen Schritt weiter, indem es nicht nur das Vorhandensein von Objekten in einem Bild identifiziert, sondern auch deren Position mithilfe von Begrenzungsrahmen bestimmt. Datensätze zur Objekterkennung, beispielsweise solche mit kommentierten Bildern mit Begrenzungsrahmen, sind für Anwendungen wie die Fußgängererkennung in autonomen Fahrzeugen, die Sicherheitsüberwachung und die Einzelhandelsanalyse von entscheidender Bedeutung. Die Objekterkennung ist zudem eine Schlüsselkomponente bei der Entwicklung robuster Computer-Vision-Algorithmen für reale Szenarien.
Semantische Segmentierung Dabei wird jedes Pixel eines Bildes einer bestimmten Kategorie zugeordnet, was ein detailliertes Verständnis der Szene ermöglicht. Diese Trimap-Segmentierung auf Pixelebene ist besonders wichtig für Aufgaben wie die medizinische Bildgebung, bei der eine präzise Abgrenzung von Organen oder Tumoren erforderlich ist, und im urbanen Umfeld beim autonomen Fahren, wo die Unterscheidung zwischen Straßen, Gehwegen und Fahrzeugen entscheidend ist.
Über diese Kernaufgaben hinaus unterstützen Bilddatensätze auch die Instanzsegmentierung (Unterscheidung zwischen einzelnen Objekten derselben Klasse), die Bildbeschriftung (Erstellung beschreibender Texte für Bilder) und die Gesichtserkennung (Identifizierung oder Verifizierung menschlicher Gesichter in Bildern). Jede dieser Computer-Vision-Aufgaben basiert auf hochwertigen, kommentierten Bildern, um Machine-Learning-Modelle zu trainieren und zu validieren.
Durch die Nutzung vielfältiger und gut annotierter Bilddatensätze können Datenwissenschaftler und Machine-Learning-Experten vielfältige Herausforderungen der Computer Vision bewältigen – von Bilderkennungs- und Klassifizierungsaufgaben bis hin zu komplexen Segmentierungs- und Erkennungsproblemen. Der richtige Datensatz beschleunigt nicht nur Forschung und Entwicklung, sondern stellt auch sicher, dass Computer-Vision-Systeme in realen Anwendungen präzise funktionieren.
Umfassende Liste von Bilddatensätzen zum Trainieren Ihres Computer Vision-Modells
Allgemein:
-
IMAGEnet
ImageNet ist ein weit verbreiteter Datensatz und enthält erstaunliche 1.2 Millionen Bilder, die in 1000 Kategorien eingeteilt sind. Dieser Datensatz ist gemäß der WorldNet-Hierarchie organisiert und in drei Teile kategorisiert – die Trainingsdaten, Bildbeschriftungen und Validierungsdaten.
-
Kinetik 700
Kinetics 700 ist ein riesiger hochwertiger Datensatz mit mehr als 650,000 Clips aus 700 verschiedenen menschlichen Aktionsklassen. Jede der Sammelklagen umfasst etwa 700 Videoclips. Die Clips im Datensatz weisen Mensch-Objekt- und Mensch-Mensch-Interaktionen auf, die sich bei der Erkennung menschlicher Handlungen in Videos als sehr hilfreich erweisen.
-
CIFAR-10
CIFAR 10 ist einer der größten Computer-Vision-Datensätze mit 60000 32 x 32 Farbbildern aus zehn verschiedenen Klassen. Jede Klasse verfügt über etwa 6000 Bilder, die zum Trainieren von Computer-Vision-Algorithmen und maschinellem Lernen verwendet werden.
-
Oxford-IIIT-Datensatz für Haustierbilder
Der Haustierbilddatensatz umfasst 37 Kategorien mit 200 Bildern pro Klasse. Diese Bilder unterscheiden sich in Maßstab, Pose und Beleuchtung und werden von Anmerkungen zu Rasse, Kopf-ROI und Trimap-Segmentierung auf Pixelebene begleitet.
-
Googles offene Bilder
Mit beeindruckenden 9 Millionen URLs ist dies einer der größten Bilddatensätze auf der Liste und enthält Millionen von Bildern, die in 6,000 Kategorien unterteilt sind.
-
Pflanzenbilder
Diese Zusammenstellung umfasst mehrere Bilddatensätze mit beeindruckenden 1 Million Pflanzenbildern, die ungefähr 11 Arten abdecken.
-
LSUN
LSUN ist ein umfangreicher Bilddatensatz mit Millionen beschrifteter Bilder in verschiedenen Szenen- und Objektkategorien. Der Datensatz enthält einen dedizierten Testsatz zur Modellbewertung.
Gesichtserkennung:
-
Beschriftete Gesichter in freier Wildbahn
Labeled Faced in the Wild ist ein riesiger Datensatz mit mehr als 13,230 Bildern von fast 5,750 Personen, die aus dem Internet entdeckt wurden. Dieser Datensatz mit Gesichtern soll das Studium der uneingeschränkten Gesichtserkennung erleichtern.
-
CASIA WebFace
CASIA Webface ist ein gut gestalteter Datensatz, der maschinelles Lernen und wissenschaftliche Forschung zur uneingeschränkten Gesichtserkennung unterstützt. Mit mehr als 494,000 Bildern von fast 10,000 echten Identitäten ist es ideal für Gesichtserkennungs- und Verifizierungsaufgaben.
-
UMD-Gesichtsdatensatz
UMD steht einem gut kommentierten Datensatz gegenüber, der zwei Teile enthält – Standbilder und Videoframes. Der Datensatz enthält mehr als 367,800 Gesichtskommentare und 3.7 Millionen kommentierte Videoframes von Probanden.
-
Gesichtsmaskenerkennung
Dieser Datensatz enthält 853 Bilder, die in drei Klassen kategorisiert sind: „mit Maske“, „ohne Maske“ und „Maske falsch getragen“, zusammen mit ihren Begrenzungsrahmen im PASCAL VOC-Format.
-
FERET
FERET (Facial Recognition Technology Database) ist ein umfassender Bilddatensatz mit über 14,000 annotierten Bildern menschlicher Gesichter.
Handschrifterkennung:
-
MNIST-Datenbank
MNIST ist eine Datenbank, die Beispiele handgeschriebener Ziffern von 0 bis 9 enthält und 60,000 und 10,000 Trainings- und Testbilder enthält. MNIST wurde 1999 veröffentlicht und erleichtert das Testen von Bildverarbeitungssystemen in Deep Learning.
-
Datensatz für künstliche Zeichen
Artificial Characters Dataset sind, wie der Name schon sagt, künstlich generierte Daten, die die englische Sprachstruktur in zehn Großbuchstaben beschreiben. Es kommt mit mehr als 6000 Bildern.
Objekterkennung:
MS COCO
MS COCO oder Common Objects in Context ist ein Datensatz zur Objekterkennung und Untertitelung.
Es verfügt über mehr als 328,000 Bilder mit Keypoint-Erkennung, Multi-Objekt-Erkennung, Beschriftung und Segmentierungsmaskenanmerkungen. Es kommt mit 80 Objektkategorien und fünf Bildunterschriften pro Bild.
LSUN
LSUN, kurz für Large-scale Scene Understanding, verfügt über mehr als eine Million beschriftete Bilder in 20 Objekt- und 10 Szenenkategorien. Einige Kategorien haben fast 300,000 Bilder, davon 300 Bilder speziell für die Validierung und 1000 Bilder für Testdaten.
Home-Objekte
Das Dataset Home Objects enthält kommentierte Bilder von zufälligen Objekten aus dem ganzen Haus – Küche, Wohnzimmer und Badezimmer. Dieser Datensatz enthält auch einige kommentierte Videos und 398 nicht kommentierte Fotos zum Testen.
Visuelles Genom
Visual Genome ist eine umfassende visuelle Wissensdatenbank mit über 108,000 beschrifteten Bildern. Es bietet umfangreiche Anmerkungen zu Objekten, Attributen und Beziehungen und eignet sich daher hervorragend für die Objekterkennung, Bildbeschriftung und multimodale Lernaufgaben.
Automobil:
Stadtbild-Datensatz
Cityscape ist der Datensatz, auf den Sie zugreifen können, wenn Sie nach verschiedenen Videosequenzen suchen, die von Straßenszenen mehrerer Städte aufgenommen wurden. Diese Bilder wurden über einen langen Zeitraum und bei unterschiedlichen Wetter- und Lichtverhältnissen aufgenommen. Die Anmerkungen beziehen sich auf 30 Bildklassen, die in acht verschiedene Kategorien unterteilt sind.
Barkley Deep Drive
Barkley DeepDrive wurde speziell für das autonome Fahrzeugtraining entwickelt und verfügt über mehr als 100 kommentierte Videosequenzen. Es ist eine der hilfreichsten Trainingsdaten für autonome Fahrzeuge durch die sich ändernden Straßen- und Fahrbedingungen.
Mapillar
Mapillary hat weltweit über 750 Millionen Straßenszenen und Verkehrszeichen, was sehr nützlich ist, um visuelle Wahrnehmungsmodelle in maschinellem Lernen und KI-Algorithmen zu trainieren. Es ermöglicht Ihnen, autonome Fahrzeuge zu entwickeln, die auf verschiedene Licht- und Wetterbedingungen und Standpunkte abgestimmt sind.
Medizinische Bildgebung:
Offener Covid-19-Forschungsdatensatz
Dieser ursprüngliche Datensatz enthält etwa 6500 Pixel-polygonale Lungensegmentierungen über AP/PA-Thorax-Röntgenaufnahmen. Darüber hinaus sind 517 Bilder von Covid-19-Patientenröntgenaufnahmen mit Tags verfügbar, die den Namen, den Standort, die Aufnahmedetails, das Ergebnis und mehr enthalten.
NIH-Datenbank mit 100,000 Thorax-Röntgenaufnahmen
Die NIH-Datenbank ist einer der umfangreichsten öffentlich zugänglichen Datensätze mit 100,000 Thoraxröntgenbildern und verwandten Daten, die für die Wissenschafts- und Forschungsgemeinschaft nützlich sind. Es enthält sogar Bilder von Patienten mit fortgeschrittenen Lungenerkrankungen.
Atlas der digitalen Pathologie
Atlas of Digital Pathology bietet mehrere histopathologische Patch-Bilder, insgesamt mehr als 17,000, von fast 100 kommentierten Objektträgern verschiedener Organe. Dieser Datensatz ist nützlich bei der Entwicklung von Software für Computer Vision und Mustererkennung.
Szenenerkennung:
Indoor-Szenenerkennung
Indoor Scene Recognition ist ein stark kategorisierter Datensatz mit fast 15620 Bildern von Objekten und Indoor-Szenerien, die für maschinelles Lernen und Datentraining verwendet werden. Es enthält über 65 Kategorien, und jede Kategorie enthält mindestens 100 Bilder.
xAnsicht
Als einer der bekanntesten öffentlich verfügbaren Datensätze enthält xView tonnenweise kommentierte Overhead-Bilder aus verschiedenen komplexen und großen Szenen. Mit etwa 60 Klassen und mehr als einer Million Objektinstanzen soll dieser Datensatz mithilfe von Satellitenbildern eine bessere Katastrophenhilfe bieten.
Länder/Regionen
Places, ein vom MIT beigesteuerter Datensatz, enthält über 1.8 Millionen Bilder aus 365 verschiedenen Szenenkategorien. In jeder dieser Kategorien gibt es etwa 50 Bilder zur Validierung und 900 Bilder zum Testen. Das Erlernen von Deep-Scene-Features zum Einrichten von Szenenerkennungs- oder visuellen Erkennungsaufgaben ist möglich.
SUN-Datenbank
Die SUN-Datenbank ist ein umfassender Benchmark zur Szenenkategorisierung, der in der Computer Vision weit verbreitet ist. Sie enthält Tausende von Bildern aus einem breiten Spektrum von Innen- und Außenumgebungen mit detaillierten Anmerkungen zu jeder Szene. Die SUN-Datenbank ist für ihre Abdeckung verschiedener Szenen bekannt und dient als Standardreferenz für die Bewertung von Algorithmen zum Szenenverständnis.
Unterhaltung:
IMDB WIKI-Datensatz
IMDB – Wiki ist eine der beliebtesten öffentlichen Datenbanken von Gesichtern, die angemessen mit Alter, Geschlecht und Namen gekennzeichnet sind. Es hat auch etwa 20 Gesichter von Prominenten und 62 aus Wikipedia.
Promi-Gesichter
Celeb Faces ist eine umfangreiche Datenbank mit 200,000 kommentierten Bildern von Prominenten. Die Bilder kommen mit Hintergrundrauschen und Posenvariationen, was sie für das Training von Testsätzen in Computer Vision-Aufgaben wertvoll macht. Es ist sehr vorteilhaft, um eine höhere Genauigkeit bei der Gesichtserkennung, Bearbeitung, Lokalisierung von Gesichtsteilen und mehr zu erreichen.
YouTube-8M-Datensatz
YouTube-8M ist ein umfangreicher, beschrifteter Videodatensatz, der Millionen von YouTube-Video-IDs mit hochwertigen, maschinengenerierten Annotationen visueller Elemente enthält. Dieser Datensatz wird häufig für das Verständnis umfangreicher Videos und das Training visueller Algorithmen verwendet, da er Videoinhalte über YouTube-Video-IDs mit Metadaten verknüpft und so eine skalierbare Erfassung und Annotation von Videodaten ermöglicht.
Sie verfügen nun über eine umfangreiche Liste von Open-Source-Bilddatensätzen, die Ihre KI-Maschinerie antreiben. Der Erfolg Ihrer KI- und Machine-Learning-Modelle hängt maßgeblich von der Qualität der Datensätze ab, mit denen Sie sie füttern und trainieren. Damit Ihr KI-Modell präzise Vorhersagen liefert, benötigt es hochwertige, perfekt aggregierte, markierte und beschriftete Datensätze. Die Arbeit mit diesen Datensätzen ist eine hervorragende Möglichkeit, Ihre Machine-Learning-Kompetenzen durch praktische Projekte zu entwickeln und zu verbessern. Um den Erfolg Ihres Computer-Vision-Systems zu steigern, müssen Sie hochwertige Bilddatenbanken verwenden, die für Ihre Projektvision relevant sind.
