作者：伝迹 谦言 夕陌 临在
在人工智能广泛应用的今天，深度学习技术已经在各行各业起到了重要的作用。在计算机视觉领域，深度学习技术在大多数场景已经替代了传统视觉方法。如果说深度学习是一项重要的生产工具，那么数据就是不可或缺的生产资料，巧妇难为无米之炊，数据对于视觉模型生产起到了至关重要的作用。
EasyCV是阿里云机器学习平台团队开源的基于Pytorch的all-in-one视觉算法建模工具，搭建了丰富完善的自监督算法体系，提供了效果SOTA的视觉Transformer预训练模型，modelzoo覆盖图像自监督训练、图像分类、度量学习、物体检测、实例分割、语义分割、关键点检测等领域。
EasyCV提供了不同数据源(data_source)的抽象，支持直接读取多种开源数据集格式例如Cifar、ImageNet、CoCo等，同时也支持PAI智能标注平台Itag标注格式和Tfrecord格式数据。 TFrecord格式数据支持使用DALI进行数据处理加速，Itag标注格式图片支持通过缓存机制加速数据读取。
为了方便EasyCV的用户进行模型指标复现、在实际场景训练使用模型，EasyCV汇总了不同领域的常用数据集的介绍和下载地址，当前涵盖图像分类、目标检测、图像分割、姿态估计等方向， 并针对较大且常用的数据集例如imagenet在原许可证允许的情况下提供了国内网盘地址，方便用户快速下载数据集进行论文指标对齐、模型效果对比、以及实际场景下的模型训练。
主要数据集介绍
下面按领域介绍一下EasyCV当前整理提供的数据集， 其中加粗部分的数据集可以通过网盘链接下载。
datahub的使用细节可参考：EasyCV/data_hub.md at master · alibaba/EasyCV · GitHub
图像分类
数据集汇总： ImageNet1K、ImageNet21K、Cifar10、Cifar100、MNIST、Fashion-MNIST、Flower102、Caltech101、Caltech256
ImageNet
官网链接：ImageNet
网盘链接：
ImageNet1k 百度网盘 请输入提取码 提取码：0zas
ImageNet1k TFrecord 百度网盘 请输入提取码 提取码：5zdc
ImageNet21k 百度网盘 请输入提取码 提取码:kaeg
ImageNet是市场上最大、最受欢迎的开源数据集之一。ImageNet拥有超过1400万张已手动标注的图像。数据库按WordNet层次结构予以组织，对象级标注通过边界框完成。
目标检测
数据集汇总：COCO2017、VOC2007、VOC2012、LVIS、Cityscapes、Object365、CrowdHuman、OpenImages、WIDER FACE、DeepFashion、Fruit Images、Oxford-IIIT Pet、Arthropod Taxonomy Orders、African Wildlife、AI-TOD航空图、TinyPerson、WiderPerson、Caltech Pedestrian Dataset、DOTA
COCO2017
官网链接：COCO - Common Objects in Context
网盘链接：百度网盘 请输入提取码 提取码:bcmm
COCO 是一个大型图像数据集，其被用于机器视觉领域的对象检测与分割、人物关键点检测、填充分割与字幕生成。该数据集以场景理解为主，图像中的目标则通过精确的分割进行位置标定。
该数据集具有目标分割、情景感知和超像素分割三个特征，其包含 33 万张图像、150 万目标实例、80 个目标类、91 个物品类以及 25 万关键点人物。
LVIS
官网链接：https://www.lvisdataset.org/dataset
网盘链接：百度网盘 请输入提取码 提取码:8ief
大规模的词汇实例分割数据集(Large Vocabulary Instance Segmentation,LVIS )，包含了164k图像，并针对超过1000类物体进行了约200万个高质量的实例分割标注。由于数据集中包含自然图像中的物体分布天然具有长尾属性。
Objects365
官网链接：Objects365 Dataset
该数据集总共包含63万张图像，覆盖365个类别，高达1000万框数，具有规模大、质量高、泛化能力强的特点，远超Pascal VOC、COCO等传统数据集。
分割
数据集汇总：VOC2007、VOC2012、Pascal Context、COCO-Stuff 10K、Cityscapes、ADE20K
Cityscapes
官网链接：Cityscapes Dataset – Semantic Understanding of Urban Street Scenes
该数据集拍摄了国外多个城市街道场景图片，构建数据集，其分为三个部分，包括训练集，验证集和测试集，一共 19 个类别。
ADE20K
官网链接：ADE20K dataset
网盘链接：百度网盘 请输入提取码 提取码:dqim
ADE20K涵盖了场景、对象、对象部分的各种注释，在某些情况下甚至是部分的部分。有25k张复杂日常场景的图像，其中包含自然空间环境中的各种对象。每个图像平均有19.5个实例和10.5个对象类。
姿态估计
数据集汇总： COCO2017、MPII、CrowdPose、OCHuman
MPII
网盘链接：百度网盘 请输入提取码 提取码:w6af
MPII人体姿态数据集是评价关节人体姿态估计的最先进的基准。该数据集包括大约25K张图片，其中包括超过40K名带有标注身体关节的人。这些图像是根据人类日常活动的既定分类系统收集的。总体而言，数据集涵盖410项人类活动，每张图像都有活动标签。每张图片都是从YouTube视频中提取的，并提供了前后未注释的帧。
EasyCV数据集接口使用示例
设计思路
EasyCV抽象了data_source来封装不同格式的数据集，data_source输出图像相关的信息，然后通过指定dataset_type来创建不同任务类型的数据集对象进行训练。其中data_source类型包括ClsSourceImageList、DetSourceCoco、DetSourceVOC、PoseTopDownSourceCoco和SegSourceRaw等等，dataset_type类型包括RawDataset、ClsDataset、DetDataset和SegDataset等等。
以ImageNet数据集为例：
# 1. 配置imagenet数据集的config
dataset_type = 'ClsDataset'
data_train_list = 'data/imagenet_raw/meta/train_labeled.txt'
data_train_root = 'data/imagenet_raw/train/'
data_test_list = 'data/imagenet_raw/meta/val_labeled.txt'
data_test_root = 'data/imagenet_raw/val/'
dataset_type = 'ClsDataset'
data = dict(
imgs_per_gpu=32,
workers_per_gpu=4,
train=dict(
type=dataset_type,
data_source=dict(
list_file=data_train_list,
root=data_train_root,
type='ClsSourceImageList'),
pipeline=train_pipeline),
val=dict(
type=dataset_type,
data_source=dict(
list_file=data_test_list,
root=data_test_root,
type='ClsSourceImageList'),
pipeline=test_pipeline))
# 2. config实例化
cfg = mmcv_config_fromfile(args.config)
# 3. 数据集实例化
distributed = torch.cuda.is_available(
) and torch.distributed.is_initialized()
default_args = dict(
batch_size=cfg.data.imgs_per_gpu,
workers_per_gpu=cfg.data.workers_per_gpu,
distributed=distributed)
dataset = build_dataset(cfg.data.train, default_args)其他和Imagenet格式相似的数据集，都可以通过替换data_train_list、data_train_root、data_test_list和data_test_root进行配置使用，详细的config配置方式可参考https://github.com/alibaba/EasyCV/blob/master/configs/classification/imagenet/resnet/resnet50_b32x8_100e_jpg.py。
项目开源地址：https://github.com/alibaba/EasyCV