| 数据集 | 是什么 | 标注粒度 | 规模 | 许可 | 取用 |
|---|---|---|---|---|---|
| {{ d.n }} | {{ d.d }} | {{ d.t }} | {{ d.s }} | {{ d.l }} | {{ d.k === '官方' ? '发布页' : d.k }}↗{{ d.k === '官方' ? '直链' : '检索' }} |
| 没有命中。换个关键词,或点回「全部」。 | |||||
共 {{ list.length }} 条。直链指向发布方自己的数据集页;检索指向 Kaggle / HuggingFace / Zenodo / Roboflow / Mendeley / 天池上按名称定位的结果页——结构固定、长期有效,但具体条目以平台当时收录为准。许可以原始发布页为准;本站不镜像任何禁止再分发的数据集。
dataset/
├── images/
│ ├── train/ roll_0001.jpg ...
│ ├── val/ roll_0201.jpg ...
│ └── test/ roll_0301.jpg ...
├── labels/
│ ├── train/ roll_0001.txt ...
│ └── ...
├── masks/ # 像素级任务才有
│ └── test/ roll_0301.png
├── classes.txt # 每行一个类名,索引从 0 起
├── meta.json # 来源、许可、原始 split、转换脚本版本
└── split.json # 三份文件名的有序列表,保证可复现
- 坐标约定
- 一律用 YOLO 的归一化 cx cy w h,浮点保留 6 位。像素级掩码保留原分辨率的 PNG,不缩放。
- split 原则
- 按原始来源切,不按我们的偏好切。原数据集已划分的沿用原划分,并在 meta.json 里写明「沿用官方」。
- 防泄漏
- 同一卷、同一批次、同一工件的图不能跨 split。按卷号或批次分组切分,比随机切分更接近真实产线表现。
- 良品怎么办
- 异常检测任务需要 train 全良品。分类与检测任务里,良品作为负样本进 val/test,不进 train 的正样本统计。
- 许可决定能不能出货
- MVTec AD 是 CC BY-NC-SA 4.0,只能用于非商业用途。用它训练、再把模型卖给客户,属于违约。商业项目请用许可允许商用的数据集,或自己的产线数据。
- 测试集要含良品
- 多数异常检测数据集的 test 目录里同时有缺陷样本和良品样本。只拿缺陷样本算召回,得到的数字会明显偏高。
- 粒度不能倒推
- 用图像级标签训练出的模型,给不出缺陷位置;想要框或掩码,训练数据本身必须有框或掩码。没有就是没有。
- 公开集不等于你的产线
- 公开集的成像条件非常干净:固定光照、稳定传送、理想对焦。你的产线有振动、有反光、有换批。差距往往大于模型差距。