本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

每個研究機器學習項目的人，似乎都有這樣的痛苦。那就是從學術網站、GitHub上尋找到合適的數據集。

但現在，有這樣一個網站可以幫你搞定，讓AI開發變得更加簡單易行。

這個項目名叫BIFROST，一個數據集搜索工具，里面共有1899個圖像數據集，還專門設置分類，比如Humans、Geospatial、Autonomous Cars等。

一鍵搜索，免費獲取，直接鏈接到原始數據庫，幫你快速找到合適的數據集。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站來試試～

正如剛才所看到的，這個工具是按任務、應用、類別、標簽或格式進行分類。

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

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

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」、「數據集大小」、「圖片數量最多」這些分類。

除了「快速檢索」之外，還可以根據開發人員的具體需要來進行搜索。

可以選擇這些「限定」：任務類型，標簽格式，最小圖像數量。

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

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

數據集

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據集。

界面是這樣的：

主要分為圖像示例、數據集簡介、特性、類別分布四個板塊。

在簡介部分，可以看到這個數據集的研究團隊、一句話介紹，以及通過CC4.0協議的部分，還直接鏈接到原始數據庫和論文地址。

CC4.0協議是一種知識共享許可協議，是一種允許他人分發作品的公共版權許可，還有一種類似的，MIT協議。

作者此次選擇的近2000個數據集都通過了這兩項協議的。所以網站并不直接管理這些數據集，它只是一個數據集的「搬運工」。

在「類別分布」這一板塊，首先會提示，沒有標簽、標簽過多的圖像數量。

然后根據不同的標簽類別，顯示各自的圖像數量分布。

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. 將網站中的每一個數據集都進行全面分析
2. 改進搜索方式
3. 實現用戶上傳和分享自己的數據集
4. 生成自己的合成數據集

「Why is our data better？」

就像在網站上介紹到的那樣，讓你快速、高精度、高準確度地尋找到合適的圖像數據集。

感興趣的朋友，可以戳下方鏈接去試試哦～

網站地址：https://datasets.bifrost.ai/