分类图像数据集 （ImageNet 256×256）

数据集下载链接：http://i71i.com/15s2

• 该数据集由 540,000 张分辨率为 256×256 的高质量图像组成，涵盖 1,000 个独特类别，包括动物、物体、植物、车辆等；是对 ImageNet 数据集的处理版本，通过元数据对图像进行裁剪和分类，整理到具有有意义名称的文件夹中。

• 包含 540,000 张分辨率为 256×256 的图像文件，按 1,000 个类别分别存储在对应命名的文件夹中。

适用于图像分类任务，可用于训练和评估计算机视觉模型对各类别（动物、物体、植物、车辆等）图像的识别能力，也可支持图像检索、目标检测等计算机视觉领域的研究与应用。

野外的反欺骗多掩码数据集

数据集下载链接：http://i71i.com/15s9

• 该数据集是用于广义被动活体检测的高多样性 PAD（演示攻击检测）数据集，包含 8000 + 次真实演示攻击样本，涵盖 3 种真实世界场景中常见的面具类型，分别为纸板切口面具（厚纸板材质、平面印花、镂空眼睛）、纺织网面具（薄弹性网状材质、全彩面部印花、紧贴头部）、乳胶 3D 面具（全尺寸、体积感强、带 “皮肤” 纹理）；样本在 100 + 个地点拍摄，具备高多样性特征，包括不同演员、大量个人面具、多种照明（室内 / 室外、自然光 / 人造光）、背景、拍摄角度与距离、相机 / 镜头及配饰（眼镜 / 头饰 / 胡须），可减少模型对特定面具纹理的依赖。

• 包含 8000 + 次演示攻击对应的图像或视频文件（推测为视觉类数据文件，文本未明确具体格式），样本按 3 种面具类型（纸板切口、纺织网、乳胶 3D）及不同拍摄条件（地点、照明、角度等）分类组织。

适用于广义被动活体检测模型的训练与评估，可支持演示攻击检测（PAD）任务，同时能用于攻击类型识别任务，帮助提升模型在多样化场景下对不同类型演示攻击的泛化能力，为活体检测技术研发提供数据支持。

人工智能生成Dogs.jpg VS 真实Dogs.jpg

数据集下载链接：http://i71i.com/15s1

• Dogs vs. AI Dogs 数据集用于区分真实狗图像与 AI 生成狗图像，分为完整版和剪切版两个版本。完整版含约 26000 张图像（真实 + AI 生成），剪切版含约 1000 个文件（约 500 张图像 + 500 个标签），便于快速处理和 Kaggle 使用；数据集整体按 70%、20%、10% 的比例划分为训练、验证、测试三个子集，每个子集均包含 “图像” 和 “标签” 两个文件夹，标签中 0 代表真狗，1 代表 AI 生成的狗。

• 包含图像文件（真实狗图像与 AI 生成狗图像）和标签文件；图像文件存储于各子集的 “图像” 文件夹，标签文件存储于各子集的 “标签” 文件夹，用于标注图像类别（真狗或 AI 生成狗）。

适用于图像分类任务，可训练和评估区分真实与 AI 生成狗图像的模型；适用于 AI 生成模型的质量评估，分析两类图像的视觉质量差异以改进生成技术；适用于数据增强研究，结合真实与合成图像提升计算机视觉任务训练数据的多样性；还可支持计算机视觉研究，用于对象检测、分割、细粒度分类（如品种识别）等任务。

番茄花-3类

数据集下载链接：http://i71i.com/15sa

• 番茄花 3 类数据集旨在训练深度学习模型并协助自动机器人授粉系统，包含番茄花的 YOLO 格式标记图像，按生物学发育阶段分为 3 类，可支持机器人在温室或田间环境的细粒度视觉感知；3 个类别及对应实例数量分别为：花蕾（0 类，闭合或部分开放、不适合授粉，43908 个对象实例）、开花（1 类，完全开放、准备授粉，27629 个对象实例）、花后（2 类，过最佳授粉阶段、衰老，6727 个对象实例）；其核心目标是帮助智能系统确定授粉最佳阶段，避免未成熟或已授粉花朵，提升机器人授粉流程的精度和有效性。

• 包含番茄花的图像文件，以及对应的 YOLO 格式标记文件（用于标注花朵所属的发育阶段类别及位置信息）。

适用于训练深度学习模型，为自动机器人授粉系统提供视觉支持；可助力智能系统识别番茄花的不同发育阶段，确定最佳授粉时机，进而优化温室或田间环境中的机器人授粉工作流程，也可用于相关农业机器人视觉感知技术的研究与开发。

图像网-R

数据集下载链接：http://i71i.com/15se

• ImageNet-R（ImageNet-Renditions）是原始 ImageNet 数据集的变体，包含 30,000 张图像，对应 ImageNet 的 200 个类别；其图像并非自然照片，而是素描、绘画、卡通、刺绣、泥塑等再现形式，在纹理和外观上与原始训练分布差异显著；主要用于评估图像分类模型对分布外（OOD）数据的鲁棒性和泛化性，可作为相关评估基准。

• 包含 30,000 张再现形式（素描、绘画、卡通等）的图像文件，图像按对应 ImageNet 的 200 个类别进行分类组织。

适用于评估在标准 ImageNet 数据上训练的图像分类模型，重点检测模型暴露于域移位输入（尤其是非自然视觉风格输入）时的性能；可助力揭示深度学习模型依赖纹理而非形状线索的趋势，以及模型在现实世界部署中的潜在脆性，为提升模型鲁棒性的研究提供数据支持。

真菌分类数据集

数据集下载链接：http://i71i.com/15s8

• FungiTastic 是围绕野生真菌观察构建的大规模多模态基准数据集，旨在为机器学习和生物多样性研究提供资源；包含约 350,000 次观测、超 600,000 张图像，覆盖超 5000 个物种，数据经专家标记（部分经 DNA 测序验证），收集时间超 20 年；分为三个子集，分别是含所有模态、超 346k 观测和 4500 + 物种的完整子集，含 6 个属、70k 图像及身体部位分割掩码的迷你子集（FungiTastic-M），以及含 < 5 个训练样本物种观察的少样本子集（FungiTastic-FS）。

• 包含多种类型文件，视觉类有真菌照片、孢子显微图像、身体部位分割掩码文件；文本类有图像标题文件、观测元数据文件；地理气候类有地理空间数据文件、气候时间序列数据文件，且所有文件按不同子集和任务需求分类组织。

适用于细粒度图像分类（封闭集、开放集）、少样本学习与稀有物种识别任务；支持多模态和多任务学习（结合视觉、表格、地理空间、文本数据）、领域适应与时间变化研究（季节、栖息地、逐年分布变化）；可用于视觉语言建模（基于详细图像标题）、语义和实例分割，还能支持成本敏感分类（如有毒与可食用物种识别），为相关计算机视觉和生物多样性研究提供基准支持。