【投稿赢积分】AI studio优质数据集征集活动开始啦~
收藏
为了帮助更多的优质内容产出、沉淀AI studio优质数据集和丰富现有数据集的种类，向广大用户征集优质数据集。成功加精可获得积分、百度周边礼品，欢迎大家踊跃投稿~
活动时间：
2022年全年
加精数据集能获得：
数据集公开，积分+5，系统自动发放
数据集通过审核后，可获得10-50分的积分奖励，积分可用于积分商城兑换
积分商城兑换流程：点击【更多】进入积分商场
一键兑换礼品
（智能硬件、超级会员、大额算力、精美周边尽在积分商城）
百度周报礼品
当月数据集累计加精超过15个，将获得十二星座度熊公仔一套（限量两套）
数据集加精要求
1、需要公开
2、不要求原创，但不能和平台原有的数据集重复（30%）
3、标题：包含技术关键词或者场景关键词（10%）
4、正文：介绍尽可能详细，需要包括数据集组成、数量以及可应用的场景等信息（30%）
5、验证：需要对数据集进行验证，在AI studio运行1-2轮跑通即可，并在末尾附上VDL可视化截图，证明此数据已通过验证（30%）
参考示例：https://aistudio.baidu.com/aistudio/datasetdetail/157101
括号内内容为数据集获得积分的权重
投稿方式
①在此贴回复想要投稿的数据集
②投稿时间截止至每周三中午12点，下午反馈投稿意见
③符合加精要求，将在周四下午加精
投稿格式
数据集名称：SUN RGB-D数据集
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/106223
数据集简介：该数据集包含 10335 张真实的房间场景 RGB-D 图像。每个RGB图像都有一个对应的深度和分割图。标记了多达 700 个对象类别。训练集和测试集分别包含 5285 和 5050 张图像。
2
收藏
数据集名称：自拍照和视频数据集
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/162639
数据集简介：该数据集中有 4000 人。每个人都用网络摄像头自拍，用手机自拍。此外，人们从手机和网络摄像头录制视频，他们在视频上发音一组给定的数字。
数据集名称：鱼类检测数据集
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/162636
数据集简介：该数据集包含 4 种鱼类及其带注释的 .xml 文件。这可以用于对象检测。物种是：Catla、Silver、Gulfaam、Grass
数据集名称：手部关键点检测数据集v1-v2
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/162171
数据集简介：该数据集包括38万余张手部关键点标注图片，原作者：Eric.Lee
数据集名称：CCPD2019车牌全量数据（不包括新能源车牌）
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/124082
数据集简介：CCPD2019数据集，此数据是非新能源车牌数据，新能源车牌数据集请参考：https://aistudio.baidu.com/aistudio/datasetdetail/120711
数据来源：https://github.com/detectRecog/CCPD
数据集名称：LUNA16全量数据集（1）
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/127155
数据集简介：
LUNA16数据集排除了切片厚度大于 2.5 mm 的扫描。总共包括 888 次 CT 扫描。LIDC/IDRI 数据库还包含使用 4 位经验丰富的放射科医师在两阶段注释过程中收集的注释。每位放射科医生将他们确定的病变标记为非结节、结节 < 3 mm 和结节 >= 3 mm。
数据集包含subset0.zip to subset9.zip共10个zip文件包含所有的CT图像（在训练的时候可以选取任意一个zip作为测试集）。
annotations.csv:csv文件包含用于肺结节检测比赛的作为参考标准使用的注释.注释文件包含1186个结节。
sampleSubmission.csv:正确的提交文件格式范例.
candidates_V2.csv:csv文件包含用于假阳性减少比赛所需的候选结节位置
evaluation script:这是在LUNA16框架上使用的评价脚本
lung segmentation:包含在CT图像上的肺分割
数据集名称：LUNA16全量数据集（2）
数据集链接： https://aistudio.baidu.com/aistudio/datasetdetail/127162
数据集简介：
LUNA16数据集排除了切片厚度大于 2.5 mm 的扫描。总共包括 888 次 CT 扫描。LIDC/IDRI 数据库还包含使用 4 位经验丰富的放射科医师在两阶段注释过程中收集的注释。每位放射科医生将他们确定的病变标记为非结节、结节 < 3 mm 和结节 >= 3 mm。
数据集包含subset0.zip to subset9.zip共10个zip文件包含所有的CT图像（在训练的时候可以选取任意一个zip作为测试集）。
annotations.csv:csv文件包含用于肺结节检测比赛的作为参考标准使用的注释.注释文件包含1186个结节。
sampleSubmission.csv:正确的提交文件格式范例.
candidates_V2.csv:csv文件包含用于假阳性减少比赛所需的候选结节位置
evaluation script:这是在LUNA16框架上使用的评价脚本
lung segmentation:包含在CT图像上的肺分割
数据集名称：LUNA16全量数据集
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/127164
数据集简介：
LUNA16数据集排除了切片厚度大于 2.5 mm 的扫描。总共包括 888 次 CT 扫描。LIDC/IDRI 数据库还包含使用 4 位经验丰富的放射科医师在两阶段注释过程中收集的注释。每位放射科医生将他们确定的病变标记为非结节、结节 < 3 mm 和结节 >= 3 mm。
数据集包含subset0.zip to subset9.zip共10个zip文件包含所有的CT图像（在训练的时候可以选取任意一个zip作为测试集）。
annotations.csv:csv文件包含用于肺结节检测比赛的作为参考标准使用的注释.注释文件包含1186个结节。
sampleSubmission.csv:正确的提交文件格式范例.
candidates_V2.csv:csv文件包含用于假阳性减少比赛所需的候选结节位置
evaluation script:这是在LUNA16框架上使用的评价脚本
lung segmentation:包含在CT图像上的肺分割
数据集名称：前列腺核磁影像分割数据集2012
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/126656
数据集介绍：Prostate MR Image Segmentation 2012，这是一个公开的数据挑战数据集。主要是用于医学中图像分割
数据集名称：结核病图像数据集
数据集介绍：带有注释的结核病图像数据集
结核病 (TB) 是一种传染病，通常由结核分枝杆菌 (MTB) 细菌引起。结核病通常会影响肺部，但也会影响身体的其他部位。大多数感染没有症状，在这种情况下，它被称为潜伏性结核病。数据集它包含 928 个痰图像，边界框为 3734 个杆菌。 XML 文件中包含图像的边界框详细信息
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/119742
数据集名称：谷歌地标数据集
数据集介绍：
该数据集包含可在线公开途径获取图像 URL（可以通过Python 脚本下载图像）。请注意，不会发布任何图像数据，只会发布 URL。
数据集包含测试图像、训练图像和索引图像。
测试图像用于两个任务：对于识别任务，可以为每个测试图像预测一个地标标签；
对于检索任务，可以为每个测试图像检索相关索引图像。训练图像与地标标签相关联，可用于训练模型以应对识别和检索挑战。
索引图像用于检索任务，构成应从中检索图像的集合。
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/119075
数据集名称：【NLP】对联数据集
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/110057
数据集简介：开源的对联数据集couplet-clean-dataset处理后的对联，去掉敏感词汇，并删掉14条中文编码错误的对联，共744915条对联。
数据集名称：【NLP】代码注释自动生成数据集
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/73043/0
数据集简介：该数据集是代码注释自动生成任务的相关数据集，含有448512条Java程序片段以及相应的注释。
数据集名称：【NLP】中-俄翻译数据集
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/123848
数据集简介：NLP机器翻译数据集，中文-->俄文。
数据集名称：一级保护动物图像分类数据集汇总
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/165243
数据集简介：数据集中包含八千余张各类国家一级保护动物的图像数据，而对于标签，不仅提供了每张图像的所属类别，另外还根据百度百科对所有类别进行归类，将一级保护动物分为九个等级。所有标签数据用txt存储，满足PP-ShiTu要求的标准格式，另外，也方便转换成其他格式。
数据集名称：验证码数据集
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/159309
数据集简介：整理相关验证码数据集57800张，统一使用验证码内容作为对应图片的文件名，整个数据集包含五种验证码数据集，位数为四位和五位使用的时候可以根据根据需求自行决定切分比例。
数据集名称：纸板缺陷数据集
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/146356
数据集简介：纸板在生产过程中容易发生破损、起泡、划痕等一些缺陷，纸板加工成型后通过目标检测进行检查，可以将有缺陷的纸板挑选出来，避免残次品的出厂，数据集来源于采集于某纸板生产厂，一共包括1057张真实场景图片，VOC标注格式，可以自行决定数据集切分比例。
数据集名称：变压器设备漏油数据集
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/146144
数据集简介：油浸式变压器通常采用油浸自冷式、油浸风冷式和强迫油循环三种冷却方式。该数据集采集于油浸式变压器的设备漏油情况，一般用于变电站的无人巡检，代替传统的人工巡检，与绝缘子的破损检测来源于同一课题。数据集一部分来自真实场景，由于真实场景下样本较少，外加一部分合成图片，共338张，采用VOC标注格式
数据集名称：高压输电线路绝缘子缺陷检测
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/122549
数据集简介：绝缘子是唯一的电气绝缘件和重要的结构支撑件，绝缘子性能及其配置的合理性直接影响线路的安全稳定运行。该数据集部分来源于无人机真实拍摄，部分来自图片合成，高压输电线路绝缘子的缺陷检测是线路巡检的重要组成部分。该数据集包括600张高压输电线路缺损的绝缘子图片，采用VOC标注格式，可自行进行训练集、验证集的划分
数据集名称：计量设备屏幕字符检测数据集
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/127845
数据集简介：该数据集来源于环境检测设备，大多采用手机拍摄，工业相机固定拍摄，人工合成。可以实现对计量设备数显屏的字符检测。训练集755张，测试集355张。
数据集名称：烟叶烘干程度检测数据集
数据集链接：https://aistudio.baidu.com/aistudio/datasetdetail/132657
数据集简介：烟叶烘烤是烟草加工过程中的一个重要环节，结合待烤鲜烟叶的主观判断后，随意地对智能烘烤控制仪进行3段式、或7段式、或10段式设置烘烤，并且在烘烤过程中，根据自己的主观判断后又去对烘烤工艺随意调整，将烟叶烤干，烟叶质量就出现了这炕烤好了，那炕却烤坏了，烤好与烤坏之间，没有一个准确的预判。针对于此，该数据集采集不同烘干阶段的烟草图片，通过图像分类代替人工。共包含图片907张，来源于某制烟厂。