本文的主要作用是对历史项目开发过程中接触到的业务数据进行整体的汇总梳理，文章会随着项目的开发推进不断更新。

一、MSTAR雷达影像数据

MSTAR（Moving and Stationary Target Acquisition and Recognition）雷达影像数据集是一种常用的合成孔径雷达（Synthetic Aperture Radar，SAR）数据集，用于目标检测和识别的研究和评估。
MSTAR数据集由美国海军研究实验室（Naval Research Laboratory，NRL）创建，旨在提供具有复杂场景和多种目标类型的合成孔径雷达图像数据。该数据集包含了来自不同方位角度的目标合成孔径雷达图像，涵盖了多个类别的目标，包括坦克、卡车、自行车等。
MSTAR雷达影像数据的特点和优势包括：
高分辨率：MSTAR数据集提供了高分辨率的合成孔径雷达图像，能够提供详细的目标信息，有助于精确的目标检测和识别。
方位变化：该数据集提供了目标在多个不同方位角度下的合成孔径雷达图像，可以用于研究和评估方位变化对目标检测和识别算法的影响。
多样性目标：MSTAR数据集包含了多类目标，涵盖了各种车辆和地面目标，具有良好的目标多样性，有助于模型的泛化能力和鲁棒性。
对于研究人员和开发人员来说，MSTAR雷达影像数据集是进行合成孔径雷达图像的目标检测和识别算法研究的重要资源之一。通过使用MSTAR数据集，可以训练和评估各种基于机器学习和深度学习的目标检测和识别模型，提高合成孔径雷达图像处理的准确性和可靠性。

此处自己使用到的数据任务类型为目标检测，共包含10种不同的目标对象。

 实例检测结果如下所示：

 二、DIOR遥感目标检测数据

DIOR（Deformable and Invariant Object Recognition）是一个目标检测数据集，用于研究和评估目标检测算法的性能。DIOR数据集由法国防务部Matricia实验室开发，旨在提供多视角、遮挡和变形等复杂场景下的目标检测挑战。该数据集包含来自航空和地面视角的高分辨率图像，图像中的目标类型多样，包括车辆、人、建筑物等。
DIOR数据集的特点和优势包括：
复杂场景：DIOR数据集提供了多样化和具有挑战性的场景，包括多视角拍摄、遮挡和变形等，使得算法在现实世界中的复杂环境下能够更好地适应。
多类目标：该数据集涵盖了多种目标类别，包括车辆、人、建筑物等，这使得算法能够进行多类别目标的检测和识别。
高分辨率图像：DIOR数据集提供的图像具有高分辨率，可以提供更多细节，增加目标检测算法的准确性和鲁棒性。
DIOR数据集是一个有价值的资源，可用于训练和评估各种目标检测算法，包括基于深度学习的算法。它可以帮助研究人员和开发人员改进和优化目标检测算法，以提高在复杂场景中的性能和鲁棒性。

实例数据如下所示：

 实例检测实例如下所示：

 三、钢筋检测计数数据

主要是基于AI自动化精准快速地完成耗时费力的工地钢筋精准统计计数任务，数据实例如下所示：

 检测结果实例如下所示：

 四、120种狗类细粒度目标检测数据

数据集全部为狗类图像，共包含120种不同亚种，可从事细粒度目标检测任务，当然了也可以从事细粒度识别任务。数据示例如下所示：

 检测结果实例如下所示：

 五、家猪养殖目标检测数据

来自于真实场景现场数据采集，主要目的是想要对养殖棚中的猪进行目标检测和状态识别，数据实例如下所示：

 检测结果实例如下所示：

 六、害虫检测

主要是对日常生活中常见的害虫进行检测识别，数据实例如下所示：

 检测结果实例如下所示：

 七、猫类细粒度检测识别数据集

同【四】中狗类数据集相似，这里一共包含12种不同类型的猫类，可用于细粒度图像识别任务或者是细粒度目标检测任务，数据实例如下所示：

 检测结果实例如下所示：

 八、养殖棚奶牛检测数据

同【五】中家猪场景类似，这里主要是奶牛养殖的数据，来源于真实厂棚拍摄采集，数据实例如下所示：

 检测结果实例如下所示：

 九、家养鸭子检测数据

同【八】【五】业务数据场景相似，都是家养养殖业场景中的项目，数据实例如下所示：

 可用于鸭子检测、鸭头检测计数等都是可以，检测结果实例如下所示：

 十、蝴蝶细粒度检测数据集

同【四】【七】中业务数据场景类似，都是属于细粒度检测识别相关的任务，可以用于细粒度的分类识别也可以用于细粒度的检测识别任务，数据集中共包含了20种不同类型亚种的蝴蝶，数据实例如下所示：

 检测结果实例如下所示：

 十一、昆虫目标检测数据

数据来源于实验室环境下采集拍摄，与现实生活环境脱节，可以进行简单基础的实验任务，数据实例如下所示：

 检测结果实例如下所示：

 十二、牛耳标牌检测

主要是对养殖业中牛耳上的标牌进行检测定位，后续可对目标区域提取进行身份识别，数据实例如下所示：

 检测结果实例如下所示：

 十三、热红外场景下家兔目标检测数据

同【五】【八】【九】中业务场景数据类似，都是养殖业相关的目标检测，数据实例如下所示：

 检测结果实例如下所示：

 十四、快递包装等表面条形码检测识别数据

主要是开发构建快递等物流领域内的条码自动检测定位识别系统，数据来自于仿真生成，主要是为了做实验使用，数据实例如下所示：

 检测结果实例如下所示：

 十五、二维码检测识别数据

同【十四】相似，这里主要是对包装物表面的二维码进行检测定位识别，同样数据也是仿真生成的，数据实例如下所示：

 检测结果实例如下所示：

 十六、鸟类细粒度检测识别数据

共包含200余种不同亚种的鸟类数据集，可以用于细粒度图像识别任务，也可以用于细粒度的目标检测识别任务，数据集实例如下所示：

 检测结果实例如下所示：

 十七、鸟巢检测数据

主要是针对一些特殊场景，如：电力设备场景中存在安全隐患的鸟巢进行检测识别，数据实例如下所示：

 检测结果实例如下所示：

 十八、飞机细粒度检测数据

同属于细粒度任务专用数据集，可以用于细粒度图像识别任务也可以用于细粒度目标检测任务，数据实例如下所示：

 检测结果实例如下所示：

 十九、电动车违规进电梯数据

主要是针对性采集电梯出入相关的视频图像数据，数据集实例如下所示：

 检测结果实例如下所示：

 二十、交通标识物检测数据

主要都是交通场景内的标志物目标，数据实例如下所示：

 检测结果实例如下所示：

 二十一、UAV无人机目标检测数据

来自于实地拍摄采集的无人机航飞数据，实例如下所示：

 检测结果实例如下所示：

 二十二、无人机航拍场景小目标检测数据

真实无人机航拍采集数据，主要是对常见的人、车等目标进行检测识别，数据实例如下所示：

 检测结果实例如下所示：

 二十三、单微核细胞检测数据

医疗领域内的数据集，主要是单微核细胞数据，实施例如下所示：

 检测结果实例如下所示：

 二十四、细胞分割数据

实例数据如下所示：

 分割结果实例如下所示：

 二十五、Hela细胞检测数据

同为医疗领域内细胞类型检测的数据集，实例如下：

 检测结果实例如下所示：

 二十六、节杆菌细胞检测数据

同为医疗领域内的数据，实例如下所示：

 检测结果实例如下所示：

 二十七、淋巴细胞检测数据

数据实例如下所示：

 检测结果实例如下所示：

 二十八、膀胱细胞检测数据

实例数据如下所示：

 检测结果实例如下所示：

 二十九、血红细胞检测数据

实例数据如下所示：

 检测结果实例如下所示：

 三十、结核杆菌检测数据

实例数据如下所示：

 检测结果实例如下所示：

 三十一、路面裂缝检测数据

主要是针对基建等水泥建筑场景缺陷检测相关的任务，实例数据如下所示：

 检测结果实例如下所示：

 三十二：城市道路路面病害检测数据

主要针对城市道路病害相关目标的检测识别，实例数据如下所示：

 检测结果实例如下所示：

 三十三、裸土扬尘检测数据

主要是针对环保业务场景中关注的裸土、扬尘等目标进行检测，实例数据如下所示：

 检测结果实例如下所示：

 三十四、桥梁基建裂缝检测

同为基建场景，实例数据如下所示：

 检测结果实例如下所示：

 三十五、杂草检测

目的是为了助力农业智能化除草，这里的数据主要来源于网络数据采集，人工标注得到的，实例数据如下所示：

 检测结果实例如下所示：

三十六、路面坑洼检测数据

目标针对道路坑洼智能化检测识别，实例数据如下所示：
 

 检测结果实例如下所示：

 三十七、苹果瑕疵检测数据

农产品场景中苹果病害智能检测的数据，实例如下所示：

 检测结果实例如下所示：

 三十八、茶叶嫩芽检测数据

同【三十七】类似，同为农作物场景，实例数据如下所示：

 检测结果实例如下所示：

 三十九、田间作物杂草检测数据

主要目标对象为：庄稼作物和杂草，实例数据如下所示：

 检测结果实例如下所示：

 四十、番茄病虫害检测数据

这里主要是以番茄这一农作物为例，探索作物生长发育周期内的病害智能化检测识别，实例数据如下所示：

 检测结果实例如下所示：

 四十一、商标logo检测数据集

针对日常百货中的各类型商标数据进行检测识别，实例数据如下所示：

 检测结果实例如下所示：

 四十二、水果检测数据

来源于实地拍摄采集，实例数据如下所示：

 检测结果实例如下所示：

 四十三、果蔬识别数据集

源自Fruits360数据集，实例数据如下所示：

 识别结果实例如下所示：

 四十四、商超米粉检测数据

主要是针对超市场景下米粉目标对象进行检测，实例数据如下所示：

 检测结果实例如下所示：

 四十五、中国象棋检测数据

棋类游戏场景下针对中国象棋棋子数据仿真生成的目标检测数据集，实例数据如下所示：

 检测结果实例如下所示：

 四十六、足球赛事检测数据

球类比赛场景的目标检测任务，实例数据如下所示：

 检测结果实例如下所示：

 四十七、国际象棋检测数据

棋类游戏场景下针对国际象棋的目标检测任务，实例数据如下所示：

 检测结果实例如下所示：

 四十八、和平精英目标检测数据

以和平精英手游为切入点构建目标检测数据集，实例数据如下所示：

 检测结果实例如下所示：

 四十九、五子棋检测数据

棋类游戏场景下五子棋目标检测任务，实例数据如下所示：

 检测结果实例如下所示：

 五十、王者荣耀目标检测数据

针对王者荣耀手游开发构建的检测任务数据集，实例数据如下所示：

 检测结果实例如下所示：

五十一、 在线中国象棋比赛数据

以真实线上录屏数据未基准，人工标注构建中国象棋检测任务数据集，实例数据如下所示：

 检测结果实例如下所示：

 五十二、中国象棋棋子识别

主要是单棋子的识别任务，实例数据如下所示：

 识别结果实例如下所示：

 五十三、垃圾检测数据

针对生活中的垃圾进行检测识别，实例数据如下所示：

检测结果实例如下所示：

 五十四、垃圾桶溢出检测数据

针对垃圾桶溢出问题进行构建数据集，实例数据如下所示：

 检测结果实例如下所示：

 五十五、垃圾识别数据

针对四大类型的垃圾构建识别数据集，实例数据如下所示：

 识别结果实例如下所示：

 五十六、红外高空小目标检测数据

针对红外场景的小目标检测数据集，实例数据如下所示：

 检测结果实例如下所示：

 五十七、远红外海洋目标检测数据

针对红外场景下海洋表面的目标构建的数据集，实例数据如下所示：

 检测结果实例如下所示：

 五十八、无人机航拍红外场景下目标分割数据

针对无人机航拍红外光场景下构建的目标分割检测数据集，实例数据如下所示：

 分割结果实例如下所示：

 五十九、无人机高空红外目标检测数据

同属于【五十八】的尝尽，只不过这里是目标检测任务，实例数据如下所示：

 检测结果实例如下所示：

 六十、行人检测数据

针对实际场景采集汇总得到的图像进行人工标注构建的行人检测数据，实例数据如下所示：

 检测结果实例如下所示：