プロジェクトを加速させるコンピュータービジョン用無料画像データセット31選【2025年更新】

AIアルゴリズムは、フィードするデータと同じくらい優れています。

それは大胆でも型破りな発言でもありません。 AIは、数十年前にはかなり遠いもののように見えたかもしれませんが、それ以来、人工知能と機械学習は非常に長い道のりを歩んできました。

コンピュータービジョンは、コンピューターがラベルや画像を理解し、解釈するのを支援します。適切な画像データセットを用いてコンピューターを学習させることで、様々な顔の特徴を検出、理解、識別したり、病気を検出したり、自律走行車を運転したり、さらには多次元臓器スキャンを用いて人命を救ったりする能力を獲得できるようになります。

コンピュータビジョン市場は到達すると予測されています 144.46年までに2028億ドル ささやかなことから 7.04年には2020億ドル、で成長 45.64 年から 2021 年までの CAGR は 2028%。

機械学習やコンピュータービジョンのタスクに入力・学習させる画像データセットは、AIプロジェクトの成功に不可欠です。高品質なデータセットを入手するのは非常に困難です。堅牢なモデル学習を実現し、現実世界の複雑さをより適切に反映するには、多様な画像コレクションの使用が不可欠です。

プロジェクトの複雑さによっては、コンピュータービジョンに使用できる信頼性と関連性のあるデータセットを入手するには、数日から数週間かかる場合があります。様々なコンピュータービジョンタスクや実世界のシナリオをカバーするには、多様なデータセットが必要です。研究者は、包括的なモデル評価を確実に行い、幅広いアプリケーションをサポートするために、研究目的で十分なデータセットを求めることがよくあります。

ここでは、すぐに使用できるオープンソース画像データセットの範囲（わかりやすいように分類されています）を提供します。

画像データセットのタスク: 分類、セグメンテーション、検出など

画像データセット 現代のコンピュータービジョンの基盤であり、機械が視覚情報を解釈・理解するための幅広いタスクを支えています。自動運転車のモデル構築、顔認識技術の開発、医療画像解析など、どのような作業であっても、適切な画像データセットは成功に不可欠なツールです。

画像分類 は、コンピュータービジョンにおける最も基本的なタスクの一つです。このプロセスでは、モデルは画像の内容に基づいて画像全体にラベルを割り当てることを学習します。例えば、画像分類データセットは、モデルが猫と犬の画像を区別したり、異なる種類の植物を識別したりするのに役立ちます。このタスクは、写真の自動タグ付け、医療画像からの疾患診断、シーン分類ベンチマークなどのアプリケーションにとって非常に重要です。

オブジェクト検出 画像内の物体の存在を特定するだけでなく、バ​​ウンディングボックスを用いてその位置を正確に特定することで、さらに一歩進んだ技術です。バウンディングボックス付きの注釈付き画像を含むような物体検出用データセットは、自動運転車における歩行者検出、セキュリティ監視、小売分析といったアプリケーションに不可欠です。物体検出は、現実世界のシナリオに対応する堅牢なコンピュータービジョンアルゴリズムを開発する上でも重要な要素です。

セマンティックセグメンテーション 画像内の各ピクセルを特定のカテゴリに分類し、シーンの詳細な理解を可能にします。このピクセルレベルのトライマップセグメンテーションは、臓器や腫瘍の正確な描写が求められる医療画像診断や、道路、歩道、車両の区別が重要な都市環境における自動運転などのタスクにおいて特に重要です。

これらのコアタスクに加え、画像データセットはインスタンスセグメンテーション（同じクラスの個々のオブジェクトを区別する）、画像キャプション作成（画像の説明文を生成する）、顔認識（画像内の人物の顔を識別または検証する）もサポートします。これらのコンピュータービジョンタスクはいずれも、機械学習モデルのトレーニングと検証に、高品質でアノテーションが付与された画像を必要とします。

多様で適切にアノテーションされた画像データセットを活用することで、データサイエンティストや機械学習の専門家は、画像認識・分類タスクから複雑なセグメンテーションや検出問題まで、コンピュータービジョンの様々な課題に取り組むことができます。適切なデータセットは、研究開発を加速させるだけでなく、コンピュータービジョンシステムが実世界のアプリケーションにおいて正確に動作することを保証します。

コンピュータビジョンモデルをトレーニングするための画像データセットの包括的なリスト

一般：

1. ImageNet

   ImageNetは広く使用されているデータセットであり、1.2のカテゴリに分類された驚くべき1000万の画像が付属しています。 このデータセットは、WorldNet階層に従って編成され、トレーニングデータ、画像ラベル、検証データのXNUMXつの部分に分類されます。

2. キネティクス700

   Kinetics 700は、650,000の異なる人間の行動クラスの700を超えるクリップを含む巨大な高品質のデータセットです。 各集団訴訟には約700本のビデオクリップがあります。 データセット内のクリップには、人間とオブジェクト、および人間と人間の相互作用があり、ビデオ内の人間の行動を認識するときに非常に役立つことが証明されています。

3. CIFAR-10

   CIFAR 10は、60000の異なるクラスを表す32の32 x6000カラー画像を誇る最大のコンピュータービジョンデータセットのXNUMXつです。 各クラスには、コンピュータービジョンアルゴリズムと機械学習のトレーニングに使用される約XNUMX枚の画像があります。

4. オックスフォード-IIIT ペット画像データセット

   ペット画像データセットは 37 のカテゴリで構成され、クラスごとに 200 枚の画像があります。これらの画像はスケール、ポーズ、照明が異なり、品種、頭部の ROI、ピクセルレベルのトライマップセグメンテーションの注釈が付いています。

5. Googleのオープン画像

   9 万もの URL を持つこのデータセットは、リスト上で最大の画像データセットの 6,000 つであり、XNUMX のカテゴリにわたってラベル付けされた数百万枚の画像が含まれています。

6. 植物の画像

   この編集物には、約 1 種の植物を網羅した 11 万枚もの植物画像を収録した複数の画像データセットが含まれています。

7. LSUN

   LSUNは、様々なシーンや物体のカテゴリーに分類された数百万枚のラベル付き画像を含む大規模な画像データセットです。このデータセットには、モデル評価用の専用テストセットが含まれています。

顔認識：

1. 野生のラベル付きの顔

   Labeled Faced in the Wildは、インターネットから検出された約13,230人の5,750を超える画像を含む巨大なデータセットです。 この顔のデータセットは、制約のない顔検出の研究を容易にするように設計されています。

2. カシアウェブフェイス

   CASIA Webフェイスは、制約のない顔認識に関する機械学習と科学的研究に役立つ、適切に設計されたデータセットです。 ほぼ494,000の実際のIDの10,000を超える画像があり、顔の識別と検証のタスクに最適です。

3. UMDFacesデータセット

   UMDは、静止画像とビデオフレームの367,800つの部分を含む注釈付きのデータセットに直面しています。 データセットには、3.7を超える顔の注釈とXNUMX万の主題の注釈付きビデオフレームがあります。

4. フェイスマスク検出

   このデータセットには、「マスクあり」、「マスクなし」、「マスクを正しく着用していない」の 853 つのクラスに分類された XNUMX 枚の画像と、PASCAL VOC 形式の境界ボックスが含まれています。

5. フェレット

   FERET (顔認識技術データベース) は、14,000 枚を超える注釈付き人間の顔画像を含む包括的な画像データセットです。

手書き認識：

1. MNISTデータベース

   MNISTは、0から9までの手書き数字のサンプルを含むデータベースであり、60,000および10,000のトレーニングおよびテスト画像があります。 1999年にリリースされたMNISTを使用すると、ディープラーニングでの画像処理システムのテストが簡単になります。

2. 人工文字データセット

   人工文字データセットは、その名前が示すように、英語の構造を大文字で6000文字で表す人工的に生成されたデータです。 XNUMX枚以上の画像が付属しています。