·ShapeNetPart dataset

https://shapenet.cs.stanford.edu/ericyi/shapenetcore_partanno_segmentation_benchmark_v0.zip

 

·ShapeNetPart dataset (XYZ, normal and part labels)

https://shapenet.cs.stanford.edu/media/shapenetcore_partanno_segmentation_benchmark_v0_normal.zip

 

·S3DIS dataset (HDF5 for indoor 3d semantic segmentation)

https://shapenet.cs.stanford.edu/media/indoor3d_sem_seg_hdf5_data.zip

 

·KITTI data

left color images: http://www.cvlibs.net/download.php?file=data_object_image_2.zip

right color images: http://www.cvlibs.net/download.php?file=data_object_image_3.zip

Velodyne point clouds: http://www.cvlibs.net/download.php?file=data_object_velodyne.zip

camera calibration matrices: http://www.cvlibs.net/download.php?file=data_object_calib.zip

training labels: http://www.cvlibs.net/download.php?file=data_object_label_2.zip

 

·KITTI data prepared data (Frustum PointNets)(XYZ, intensity etc.)

https://shapenet.cs.stanford.edu/media/frustum_data.zip

 

ShapeNet Rendered Images

http://cvgl.stanford.edu/data2/ShapeNetRendering.tgz 

 
DataSet其实就是数据集，上文已经说过DataSet是把数据库中的数据映射到内存缓存中的所构成的数据容器，对于任何数据源，它都提供一致的关系编程模型。在DataSet中既定义了数据表的约束关系以及数据表之间的关系，还可以对数据表中的数据进行排序等。DataSet使用方法一般有三种：
　　1. 把数据库中的数据通过DataAdapter对象填充DataSet。 
　　2. 通过DataAdapter对象操作DataSet实现更新数据库。
　　3. 把XML数据流或文本加载到DataSet。
　　DataSet使用方法的具体实现，使用语言是C＃。
　　1. 把数据库中的数据通过DataAdapter对象填充DataSet：
　　掌握DataSet使用方法必须掌握ADO.NET另外一个核心常用成员--数据提供者（Data Provider）。数据提供者（也称为托管提供者Managed Provider）是一个类集合，在.Net FrameWork SDK 1.0中数据提供者分为二种：The SQL Server .NET Data Provider和The OLE DB .NET Data Provider。而到了.Net FrameWork SDK 1.1时，ADO.NET中又增加了The ODBC .NET Data Provider和
 The Oracle .NET Data Provider二个数据提供者。The SQL Server .NET Data Provider的操作数据库对象只限于Sql Server 7.0及以上版本，Oracle .NET Data Provider的操作数据库对象只限于Oracle 8.1.7及以上版本。而The OLE DB .NET Data Provider和The ODBC .NET Data Provider可操作的数据库类型就相对多了许多，只要它们在本地分别提供Ole Db提供程序和ODBC提供程序。
　　在这些数据提供者中都有一个DataAdapter类，如：OLE DB .NET Framework 数据提供者中是 OleDbDataAdapter类，The SQL Server .NET Framework 数据提供者中是SqlDataAdapter类，The ODBC .NET Framework 数据提供者中是OdbcDataAdapter类。通过这些DataAdapter就能够实现从数据库中检索数据并填充 DataSet 中的表。
　　DataAdapter填充DataSet的过程分为二步：首先通过DataAdapter的SelectCommand属性从数据库中检索出需要的数据。SelectCommand其实是一个Command对象。然后再通过DataAdapter的Fill方法把检索来的数据填充 DataSet。代码清单01就是以Microsoft SQL Server 中的Northwind数据库为对象，C＃使用The SQL Server .NET Data Provider中的SqlDataAdapter填充DataSet的具体实现方法：
　　代码清单01：
SqlConnection sqlConnection1 = new SqlConnection ( "Data Source=localhost ;Integrated Security=SSPI ;Initial Catalog=Northwind" ) ;

//创建数据连接

SqlCommand selectCMD = new SqlCommand ( "SELECT CustomerID , CompanyName FROM Customers" , sqlConnection1 ) ;

//创建并初始化SqlCommand对象

SqlDataAdapter sqlDataAdapter1 = new SqlDataAdapter ( ) ;

custDA.SelectCommand = selectCMD ;

sqlConnection.Open ( ) ;

//创建SqlDataAdapter对象，并根据SelectCommand属性检索数据

DataSet dsDataSet1 = new DataSet ( ) ;

sqlDataAdapter1.Fill ( dsDataSet1 , "Customers" ) ;

//使用SqlDataAdapter的Fill方法填充DataSet

sqlConnection.Close ( ) ;

//关闭数据连接 
　　对于其他数据提供者的DataAdapter，具体的实现检索数据库中的数据并填充DataSet的实现方法类似于以上方法。
　　2. 通过DataAdapter对象操作DataSet实现更新数据库：
　　DataAdapter是通过其Update方法实现以DataSet中数据来更新数据库的。当DataSet实例中包含数据发生更改后，此时调用Update方法，DataAdapter 将分析已作出的更改并执行相应的命令（INSERT、UPDATE 或 DELETE），并以此命令来更新数据库中的数据。如果DataSet中的DataTable是映射到单个数据库表或从单个数据库表生成，则可以利用 CommandBuilder 对象自动生成 DataAdapter 的 DeleteCommand、InsertCommand
 和 UpdateCommand。使用DataAdapter对象操作DataSet实现更新数据库具体的实现方法，只需把下面的代码清单02添加到代码清单01之后，二者合并即可实现删除Customers数据表中第一行数据：
　　代码清单02：　
SqlCommandBuilder sqlCommandBuilder1 = new SqlCommandBuilder ( sqlDataAdapter1 ) ;

//以sqlDataAdapter1为参数来初始化SqlCommandBuilder实例

dsDataSet1.Tables["Customers"].Rows[0].Delete ( ) ;

//删除DataSet中删除数据表Customers中第一行数据

sqlDataAdapter1.Update ( dsDataSet1 ,"Customers" ) ;

//调用Update方法，以DataSet中的数据更新从数据库

dsDataSet1.Tables["Customers"].AcceptChanges ( ) ; 

DataSet 
开放分类： asp.net



            
DataSet是ADO.NET的中心概念.可以把DataSet当成内存中的数据库,DataSet是不依赖与数据库的独立数据集合.所谓独立,就是说,即使断开数据链路,或者关闭数据库,DataSet依然是可用的.DataSet在内部是用XML来描述数据的,由于XML是一种与平台无关、与语言无关的数据描述语言，而且可以描述复杂关系的数据，比如父子关系的数据，所以DataSet实际上可以容纳具有复杂关系的数据，而且不在依赖于数据库链路。
正是由于DataSet才使得程序员在编程是可以屏蔽数据库之间的差异，从而获得一致的编程模型。DataSet支持多表、表间关系、数据约束等，和关系数据库的模型基本一致。
DataSet 是 ADO.NET 结构的主要组件，它是从数据源中检索到的数据在内存中的缓存。DataSet 由一组 DataTable 对象组成，您可使这些对象与 DataRelation 对象互相关联。您还可通过使用 UniqueConstraint 和 ForeignKeyConstraint 对象在 DataSet 中实施数据完整性。有关使用 DataSet 对象的详细信息，请参见 在 ADO.NET 中使用 DataSet。
尽管 DataTable 对象中包含数据，但是 DataRelationCollection 允许您遍览表的层次结构。这些表包含在通过 Tables 属性访问的 DataTableCollection 中。当访问 DataTable 对象时，请注意它们是按条件区分大小写的。例如，如果一个 DataTable 被命名为“mydatatable”，另一个被命名为“Mydatatable”，则用于搜索其中一个表的字符串被认为是区分大小写的。但是，如果“mydatatable”存在而“Mydatatable”不存在，则认为该搜索字符串不区分大小写。有关使用 DataTable 对象的更多信息，请参见 创建 DataTable。
DataSet 可将数据和架构作为 XML 文档进行读写。数据和架构可通过 HTTP 传输，并在支持 XML 的任何平台上被任何应用程序使用。可使用 WriteXmlSchema 方法将架构保存为 XML 架构，并且可以使用 WriteXml 方法保存架构和数据。若要读取既包含架构也包含数据的 XML 文档，请使用 ReadXml 方法。
在典型的多层实现中，用于创建和刷新 DataSet 并依次更新原始数据的步骤包括： 
通过 DataAdapter 使用数据源中的数据生成和填充 DataSet 中的每个 DataTable。

通过添加、更新或删除 DataRow 对象更改单个 DataTable 对象中的数据。

调用 GetChanges 方法以创建只反映对数据进行的更改的第二个 DataSet。

调用 DataAdapter 的 Update 方法，并将第二个 DataSet 作为参数传递。

调用 Merge 方法将第二个 DataSet 中的更改合并到第一个中。

针对 DataSet 调用 AcceptChanges。或者，调用 RejectChanges 以取消更改。  

            
        
 

这一篇博文收集自己要用到得数据库，持续更新，
 Ranking:
【1】MovieLens Data Sets http://www.grouplens.org/node/12
【2】Yahoo! Learning to Rank Challenge http://learningtorankchallenge.yahoo.com/datasets.php
【3】LETOR: Learning to Rank for Information Retrieval http://research.microsoft.com/en-us/um/beijing/projects/letor/default.aspx
【4】http://research.microsoft.com/en-us/projects/mslr/default.aspx
 Medical dataset:
 【2】http://biostat.mc.vanderbilt.edu/twiki/bin/view/Main/DataSets
Video Surveillance:
【1】PETS 2012 Benchmark Data http://pets2012.net/

【2】Surveillance Performance EValuation Initiative (SPEVI) http://www.eecs.qmul.ac.uk/~andrea/spevi.html
【3】Vehicle tracking video datasets http://www.cs.bu.edu/groups/ivc/data/vehicles/
【4】Automobile Data Set http://archive.ics.uci.edu/ml/datasets/Automobile
【5】VIVID Tracking Evaluation Web Site http://vision.cse.psu.edu/data/vividEval/datasets/datasets.html
【6】CLIF datasets
【7】Video Surveillance Online Repository (ViSOR): an integrated framework http://imagelab.ing.unimore.it/visor/video_categories.asp
【8】MOTChallenge 2015: Towards a Benchmark for Multi-Target Tracking http://arxiv.org/abs/1504.01942
【9】Multi-Camera Object Tracking (MCT) Challenge http://mct.idealtest.org/Datasets.html
【10】UA-DETRAC  (a challenging real-world multi-object detection and multi-object tracking benchmark) http://detrac-db.rit.albany.edu/
【11】QMUL Junction Dataset (http://www.eecs.qmul.ac.uk/~tmh/downloads.html，也有其它类型的数据)
【12】A data set for evaluating the performance of multi-class multi-object video tracking https://arxiv.org/abs/1704.06378 


Synthesis:
【1】UC Irvine Machine Learning Repository http://archive.ics.uci.edu/ml/
【2】The CIFAR-10 dataset http://www.cs.utoronto.ca/~kriz/cifar.html
【3】D4.3 Datasets for CANTATA project http://www.hitech-projects.com/euprojects/cantata/datasets_cantata/dataset.html
【4】Roadside survey of vehicle observations http://data.gov.uk/dataset/roadside-survey-of-vehicles
【5】http://imagelab.ing.unimore.it/visor/video_categories.asp貌似是论坛的那种
【6】http://signal.ee.bilkent.edu.tr/VisiFire/index.html森林火焰检测。。
【7】http://signal.ee.bilkent.edu.tr/VisiFire/Demo/SmokeClips/Smoke_Far/ 烟雾检测
Vecicle Type Classification
【1】PANMMVRDataset http://pablonegri.free.fr/Downloads/PANMMVRDataset.htm

【2】BIT-Vehicle Dataset http://iitlab.bit.edu.cn/mcislab/vehicledb/
Action Dataset
【1】Action Dataset http://www.cs.ucf.edu/vision/public_html/data.html


Overhead:
【1】US Highway 101 Dataset http://www.fhwa.dot.gov/publications/research/operations/07030/index.cfm

【2】Vehicle Detection in Aerial Images http://www.dlr.de/caf/en/desktopdefault.aspx/tabid-5431/9230_read-42467/  (车辆的航拍图像)


Face Detection:
[1] Face Recognition Resources on the Internet http://www.ics.uci.edu/~smyth/courses/cs175/




Remote（没仔细看）
[1] http://www.itc.nl/ISPRS_WGIII4/ISPRSIII_4_Test_results/test_results_a1_detect.html
[2] http://www.itc.nl/ISPRS_WGIII4/tests_datasets.html
[3] ISPRS Test Project on Urban Classification and 3D Building Reconstruction http://www2.isprs.org/commissions/comm3/wg4/tests.html
[4] http://www.astrium-geo.com/en/19-gallery?page=2&search=gallery&type=0&sensor=26&resolution=0&continent=0&application=0&theme=0(SAR图像)
[5]  Hyperspectral Remote Sensing Scenes http://www.ehu.es/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes
[6] A Freeware Multispectral Image Data Analysis System https://engineering.purdue.edu/~biehl/MultiSpec/download_win.html
[7] Hyperspectral Images https://engineering.purdue.edu/~biehl/MultiSpec/hyperspectral.html
[8] Data & Products http://glcf.umd.edu/data/
[9] High Resolution Panchromatic Image Data https://www.e-education.psu.edu/natureofgeoinfo/c8_p11.html
[10]  Optical Remote Sensing http://www.crisp.nus.edu.sg/~research/tutorial/optical.htm (新加坡国立大学研究的)
[11] 遥感 数据/资料 网站汇总 http://www.cnblogs.com/Romi/archive/2012/04/11/2442174.html
[12] A Freeware Multispectral Image Data Analysis System https://engineering.purdue.edu/~biehl/MultiSpec/index.html
[13] http://landsat.usgs.gov/gallery.php
[14] http://icn.bjtu.edu.cn/Visint/resources/dataset (北京交通大学数据集，没有仔细看)


Driver Identification in Smart Cars

[1] http://fipa.cs.kit.edu/26.php(感觉挺好的，但没有仔细看)
[2] Daimler Pedestrian Benchmarks http://www.gavrila.net/Datasets/datasets.html
[3] UvA Person Tracking Benchmarks http://www.gavrila.net/Datasets/datasets.html


Panorama database

[1] SUN360 panorama database http://sun360.csail.mit.edu/



Segment
[1] Contour Detection and Image Segmentati on Resources http://www.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/resources.html
line
[2] York Urban Line Segment Database Information http://elderlab.yorku.ca/YorkUrbanDB/
眼睛运动
Actions in the Eye. Human Eye Movement Datasets http://109.101.234.42/datasets.php
Match:
[1] http://lear.inrialpes.fr/people/mikolajczyk/（这个是Krystian Mikolajczyk大神在Lear, INRIA Rhone-Alpes上的网站）
[2] http://www.featurespace.org/(这个是综合的数据库，包括很多种类的图片，个人感觉检测人的图片挺多的)
[3] Affine Covariant Features http://www.robots.ox.ac.uk/~vgg/research/affine/
[4] http://www.vision.ee.ethz.ch/datasets/index.en.html(综合类的，苏黎世联邦理工学院的)
[5] http://vision.middlebury.edu/MRF/results/ (都是利用马尔科夫随机场做的各种应用)


Track的
【1】Visual Tracking via Locality Sensitive Histograms有代码，有data



Face:
【1】http://vasc.ri.cmu.edu/idb/html/face/ （Face数据库）
【2】A Natural Visible and Infrared facial Expression Database http://nvie.ustc.edu.cn/


火星照片：
【1】http://www.msss.com/mars_images/moc/
【2】http://www.msss.com/msss_images/index.html


Infrared 
【1】http://www.imagefusion.org/images/mm-segmentations/mm-segmentations.html
【2】http://www.imagefusion.org/images/mm-segmentations/uncamp/uncamp-i.html
【3】OTCBVS Benchmark Dataset Collection http://www.cse.ohio-state.edu/otcbvs-bench/


Image fusion
[1] image fusion toolbox http://www.metapix.de/download.htm(包含有图)
[2] http://www.imagefusion.org/ (各种图片都有，遥感和不同季节的)
[3] http://www.geodeva.com/very_high_res_geoeye.html
[4] http://vision.ece.ucsb.edu/registration/satellite/
[5] http://emuch.net/bbs/viewthread.php?tid=4957851
[6] http://www.pxleyes.com/photography-contest/19726/multi-focus.html(很多multi focus 的照片)
[7] http://www.quxiaobo.org/software/software_FusingImages.html (是厦门大学一个老师的，有代码有图片)
[8] http://vision.ece.ucsb.edu/research.html （有融合，分割，配准）
[9] http://www.cleangreengems.com/cowdisley/lessons/depthofield.htm(multi-focus)
[10] http://vision.ece.ucsb.edu/fusion/mosaicframework/focus.shtml (multi-focus)
[11] Artifact-free High Dynamic Range Imaging http://users.soe.ucsc.edu/~orazio/deghost.html
[12]www.data-fusion.org http://www.data-fusion.org/introduction


近红外：
[1] LeeKosarajuSankaranarayanan http://white.stanford.edu/teach/index.php/LeeKosarajuSankaranarayanan
[2] Near Infrared http://ivrg.epfl.ch/research/infrared


lidar:
[1] Lidar Dense Ground Truth Datasets http://cvlab.epfl.ch/cms/site/cvlab2/lang/en/data/keypoint
[2] Lidar 的介绍http://resources.arcgis.com/en/help/main/10.1/index.html#//015w00000041000000
[3] LiDAR / ALSM Data http://lidar.asu.edu/data.html
[4] Mount Saint Helens - Lidar Data https://wagda.lib.washington.edu/data/type/elevation/lidar/st_helens/toutle01.html
[5] LiDAR Elevation Data for Minnesota http://www.mngeo.state.mn.us/chouse/elevation/lidar.html
[6] Puget Sound Lidar Consortium http://pugetsoundlidar.ess.washington.edu/lidardata/index.html
[7] ArcGIS 10.1对Lidar支持的魔法力量（一） http://blog.csdn.net/arcgis_all/article/details/8214587
[8] Labeled 3D point clouds http://www.cs.cmu.edu/~hebert/#Data
[9] Welcome to the Large-Scale Point Cloud Classification Benchmark! (三维点云数据, Semantic3D.net: A new Large-scale Point Cloud Classification Benchmark) http://www.semantic3d.net/


车辆：
[1] https://github.com/udacity/didi-competition