本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

每個研究機器學習項目的人，似乎都有這樣的痛苦。那就是從學術(shù)網(wǎng)站、GitHub上尋找到合適的數(shù)據(jù)集。

但現(xiàn)在，有這樣一個網(wǎng)站可以幫你搞定，讓AI開發(fā)變得更加簡單易行。

這個項目名叫BIFROST，一個數(shù)據(jù)集搜索工具，里面共有1899個圖像數(shù)據(jù)集，還專門設(shè)置分類，比如Humans、Geospatial、Autonomous Cars等。

一鍵搜索，免費獲取，直接鏈接到原始數(shù)據(jù)庫，幫你快速找到合適的數(shù)據(jù)集。研究團隊來自新加坡，Reddit上17小時熱度200+。

使用說明

話不多說，我們就直接來上這個網(wǎng)站來試試～

正如剛才所看到的，這個工具是按任務(wù)、應(yīng)用、類別、標簽或格式進行分類。

根據(jù)「類別」，這個網(wǎng)站共分為18類，比如Humans、Geospatial、Autonomous Cars、Retail、3D等。

向左滑動，選擇你需要的類別，一鍵即可出結(jié)果，我們以3D為例，然后就呈現(xiàn)這樣的頁面。

若以「Humans」為例，界面是醬紫的。

我們也看到，這是按照精選進行排序。除此之外，你還可以選擇「最新」、「最多標簽數(shù)」、「數(shù)據(jù)集大小」、「圖片數(shù)量最多」這些分類。

除了「快速檢索」之外，還可以根據(jù)開發(fā)人員的具體需要來進行搜索。

可以選擇這些「限定」：任務(wù)類型，標簽格式，最小圖像數(shù)量。

其中任務(wù)類型主要包括，圖像分割，目標檢測、圖像分類、姿態(tài)估計、視覺推理、3D重建、視頻分類。

標簽格式包括，YOLO、PASCAL、COCO以及Segmentation。

數(shù)據(jù)集

以COCO為例，這是一個適用于目標檢測、圖像分割和字幕大型數(shù)據(jù)集。

界面是這樣的：

主要分為圖像示例、數(shù)據(jù)集簡介、特性、類別分布四個板塊。

在簡介部分，可以看到這個數(shù)據(jù)集的研究團隊、一句話介紹，以及通過CC4.0協(xié)議的部分，還直接鏈接到原始數(shù)據(jù)庫和論文地址。

CC4.0協(xié)議是一種知識共享許可協(xié)議，是一種允許他人分發(fā)作品的公共版權(quán)許可，還有一種類似的，MIT協(xié)議。

作者此次選擇的近2000個數(shù)據(jù)集都通過了這兩項協(xié)議的。所以網(wǎng)站并不直接管理這些數(shù)據(jù)集，它只是一個數(shù)據(jù)集的「搬運工」。

在「類別分布」這一板塊，首先會提示，沒有標簽、標簽過多的圖像數(shù)量。

然后根據(jù)不同的標簽類別，顯示各自的圖像數(shù)量分布。

這個項目的負責人名叫Charles Wong ，來自新加坡，目前是Bifrost的CEO。

本科就讀于新加坡科技設(shè)計大學，曾參與MIT Global Leadership Program。

接下來，他們的工作將主要集中在這幾個方面：

1. 將網(wǎng)站中的每一個數(shù)據(jù)集都進行全面分析
2. 改進搜索方式
3. 實現(xiàn)用戶上傳和分享自己的數(shù)據(jù)集
4. 生成自己的合成數(shù)據(jù)集

「Why is our data better？」

就像在網(wǎng)站上介紹到的那樣，讓你快速、高精度、高準確度地尋找到合適的圖像數(shù)據(jù)集。

感興趣的朋友，可以戳下方鏈接去試試哦～

網(wǎng)站地址：https://datasets.bifrost.ai/