下载地址:2020-AiProducts-Challenge-dataset
数据介绍:Large-scale Product Recognition赛题与数据-天池大赛-阿里云天池
该数据集包含近 300 万张图片,涵盖 5 万个 SKU 级商品类别。商品图像的类别和总量均为业界之最。此数据集中涵盖了大量的生活用品、食物等,数据集中没有人工标注,数据较脏,数据分布较不均衡,且有很多相似的商品图片。
数据样例:
1st-plan:1st__Winner Solution for AliProducts Challenge Large-scale Product Recognition.pdf
6st-plan:GitHub -AiProducts-Challenge
下载地址:Retail Product Checkout Dataset
数据介绍:RPC-PDF
数据样例:
下载地址:Large scale product recognition challenge
数据介绍:Products-10K
京东在线客户经常购买的10,000种产品,涵盖时尚、3C、食品等全品类,医疗保健,家居用品等。Products-10k 数据集中的所有图片均来自京东商城。数据集**包含 1 万个经常购买的 SKU。所有 SKU 组织成一个层次结构。总共有近 19 万张图片。在实际应用场景中,图像量的分布是不均衡的。所有图像都由生产专家团队手工检查/标记。
数据样例:
1st-plan:冠军方案分享:ICPR 2020大规模商品图像识别挑战赛冠军解读
数据介绍:
该数据集共有 2,019 个产品类别,它们被组织成一个具有四个层次的层次结构。此类别树可以在product_tree.json中找到,并使用product_tree.pdf进行可视化。每个叶节点对应一个类别 id,类别共享同一个祖先属于同一个超类。树结构不参与评估,但可能在模型训练期间使用。
train.json包含id,class,url每个训练图像,您可以在其中使用和类标签url下载相应的图像。训练数据包含来自 2,019 个类别的 1,011,532 张图像(每个类别的范围从 158 到 1050 张图像)。 val.json包含id,class,url验证集中的图像。验证数据有 10,095 张图像(每个类别大约 5 张)。 test.json包含id,url测试集中的图像。测试数据有 90,834 张图像(每个类别大约 45 张)。 数据下载:比赛数据可在Google Drive或百度盘下载(密码:qecd)
1st-plan:iMaterialist Challenge on Product Recognition
数据介绍:SmartUVM_Datasets(全球新零售环境提供标准数据集).pdf
数据样例:
数据下载:SmartUVM_Datasets_down(8G).tar
数据介绍(paper.pdf):
该存储库包含杂货商品的自然图像数据集。所有自然图像都是用智能手机相机在不同的杂货店拍摄的。最终得到了来自 81 种不同类别的水果、蔬菜和纸箱物品(例如果汁、牛奶、酸奶)的 5125 张自然图像。81个类分为42个粗粒度类,例如细粒度类“Royal Gala”和“Granny Smith”属于同一个粗粒度类“Apple”。
数据样例:
数据下载:https://github.com/marcusklasson/GroceryStoreDataset
数据介绍(paper.pdf):
Densely Segmented Supermarket (D2S) 数据集是工业领域中实例感知语义分割的基准。它包含 21,000 张高分辨率图像,带有所有对象实例的像素标签。这些物品包括来自 60 个类别的杂货和日常用品。该基准的设计使其类似于自动结账、库存或仓库系统的真实设置。训练图像仅包含同质背景上的单个类别的对象,而验证集和测试集则更加复杂和多样化。为了进一步衡量实例分割方法的鲁棒性,使用不同的光照、旋转和背景获取场景。
数据样例:
**数据下载**:[MVTec Densely Segmented Supermarket Dataset (MVTec D2S)](https://www.mvtec.com/company/research/datasets/mvtec-d2s)数据介绍(paper.pdf):
该数据集由一组高质量的训练图像和一组近13.5万张智能手机拍摄的30种食品的测试图像组成。包括零食,化妆品,药品,饮料,罐头食品,乳制品.训练集是高质量的,从产品手册、广告、3D产品视图中收集。测试集的质量并不稳定,因为图像是从手持手机上采集的,视角不同,清晰度不同,背景杂波不同,遮挡不同,光照不同,镜面反射不同。
数据样例:
数据下载:待定
数据介绍(paper.pdf):
在 28 个不同的商店和公寓中收集了一个大规模的对象定位和计数数据集,该数据集由 50,394 张图像组成,JPEG 图像分辨率为 1920x1080 像素。注释了 140 个类别(包括Jacket、Shoes、Oven等)中的超过 190 万个对象实例。
为了方便数据的使用,我们将数据集划分为两个子集,即训练集和测试集,包括 34,022 幅训练图像和 16,372 幅测试图像。该数据集包括9大子类,即婴儿用品(例如,婴儿尿布和婴儿拖鞋)、饮料(例如,果汁和姜茶)、食品(例如,干鱼和蛋糕)、日化用品(例如,肥皂和洗发水) )、服装(如夹克和成人帽)、电器(如微波炉和插座))、存储设备(例如,垃圾和凳子)、厨房用具(例如,叉子和食品盒)以及文具和体育用品(例如,滑板和笔记本)。
数据样例:
数据下载:IntelligentTEAM / AAAI2021 Locount Dataset
- 特别感谢Funny AI提供的相关材料,本文已征得作者授权;
- 特别感谢PaddleClas提供部分材料。