1 MINIST

MINIST 数据集应该算是CV里面最早流行的数据了，相当于CV领域的Hello World。该数据包含70000张手写数字图像，其中60000张用于train， 10000张用于test，并且都有相应的label。图像的尺寸比较小，为28x28。

数据说明及下载地址：
http://yann.lecun.com/exdb/mnist/

这个数据是由 Yann LeCun 创建的。

2 CIFAR10 /CIFAR100

CIFAR-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。

CIFAR-100数据集由100个类的60000个32x32彩色图像组成，每个类有600个图像。有50000个训练图像和10000个测试图像。

数据说明及下载地址：
http://www.cs.toronto.edu/~kriz/cifar.html
这个数据是由 Geoffrey Hinton 创建的。

3 Pascal VOC

PASCAL VOC挑战赛的数据集。
该挑战赛从2005年开始， 2012年结束，每年都会给出不同的数据集，因此共有8个年份的数据。现在用的比较多的是VOC 2007和VOC 2012的数据，这两个数据集是不重合的，其中VOC 2007数据是有test数据的label的，而VOC 2012数据是没有test数据的label的。

论文中针对 VOC2007和VOC2012 的具体用法有以下几种：

1只用VOC2007的trainval 训练，使用VOC2007的test测试。
2只用VOC2012的trainval 训练，使用VOC2012的test测试，这种用法很少使用，因为大家都会结合VOC2007使用。
3使用 VOC2007 的 train+val 和 VOC2012的 train+val 训练，然后使用 VOC2007的test测试，这个用法是论文中经常看到的 07+12 ，研究者可以自己测试在VOC2007上的结果，因为VOC2007的test是公开的。
4使用 VOC2007 的 train+val+test 和 VOC2012的 train+val训练，然后使用 VOC2012的test测试，这个用法是论文中经常看到的 07++12 ，这种方法需提交到VOC官方服务器上评估结果，因为VOC2012 test没有公布label。
5先在 MS COCO 的 trainval 上预训练，再使用 VOC2007 的 train+val、 VOC2012的 train+val 微调训练，然后使用 VOC2007的test测试，这个用法是论文中经常看到的 07+12+COCO 。
6先在 MS COCO 的 trainval 上预训练，再使用 VOC2007 的 train+val+test 、 VOC2012的 train+val 微调训练，然后使用 VOC2012的test测试，这个用法是论文中经常看到的 07++12+COCO，这种方法需提交到VOC官方服务器上评估结果，因为VOC2012 test没有公布label。

数据说明及下载地址：
http://host.robots.ox.ac.uk/pascal/VOC/

4 Imagenet

Imagenet本身是一个非常大的数据集，当前使用非常广泛的其实是它的一个子集， ILSVRC（ImageNet Large Scale Visual Recognition Challenge）竞赛数据集。
ILSVRC竞赛从2010年开始，到2017年结束，没一年竞赛都有不同的数据集，因此共有8个年份的数据集。与VOC数据不同的是发，

数据集包含1281167张训练图像， 50000张验证图像， 100000张测试图像， 1000个类别。

数据说明及下载地址：
https://image-net.org/challenges/LSVRC/index.php

Imagenet数据集只能用于研究使用，不能用于商用目的，下载需要用教育网邮箱.edu申请下载。并且数据集非常大，有140多G，下载下来不是很容易。

没有教育网邮箱的情况下，可以在下面这个链接处下载：
https://hyper.ai/datasets/4889
另外这个网站上还有很多其他数据集可以下载。