一、综合感知：目标检测 + 分割（一套数据多任务复用）

这几个数据集覆盖面广，一份数据往往能同时支撑检测、分割、跟踪等多个任务，是搭建感知 pipeline 的主力。

  • KITTI Vision Benchmark Suite：自动驾驶领域的经典基准，采集自德国卡尔斯鲁厄的城市、乡村与高速场景。覆盖 2D/3D 目标检测、多目标跟踪、语义与实例分割、道路检测、深度估计等多项任务。授权为 CC BY-NC-SA 3.0，仅限非商用，需署名。
  • nuScenes：由 Motional 发布的多模态数据集，配备 6 路相机、激光雷达与毫米波雷达，含 1000 个场景及密集 3D 标注（具体场景数、3D 框数、类别数以官方页面为准）。配套的 nuImages 专门提供 2D 图像的检测与分割标注。需注册账号并同意官方 Terms of Use 后下载，非商用授权。
  • Waymo Open Dataset：含 Perception（2030 段、约 39 万帧，12.6M 个 3D 框、11.8M 个 2D 框，23 类语义分割）与 Motion 等子集，多传感器、多地域。官方明确为非商用授权（具体规模以官方页面为准）。
  • BDD100K：伯克利发布的大规模驾驶视频数据集，10 万段视频、覆盖 10 类任务，包括目标检测、语义/实例分割、车道线、可行驶区域分割、跟踪等，地域与天气多样。代码仓采用 BSD-3-Clause，数据下载与具体条款以官方说明为准。

二、语义/实例分割（像素级标注）

  • Cityscapes：城市街景像素级分割的标杆，含 5000 张精标 + 20000 张粗标图像，覆盖 50 个城市、30 个类别，支持语义、实例与全景分割。免费提供给学术与非学术机构用于非商用目的，商用需另行同意许可条款，下载需注册。
  • Mapillary Vistas：全球众包采集的街景分割数据集，地域覆盖远超单一城市数据集，含语义与实例分割标注，类别数随版本不同（具体图像数与类别以官方页面为准）。采用 CC BY-NC-SA（非商用）授权，下载需在官方页面注册。

三、车道线检测（专用数据集）

通用数据集里 BDD100K 自带车道线标注，但若专攻车道线，下面这几个更对口：

  • TuSimple：CVPR 2017 车道线检测挑战赛数据集，以高速公路场景为主，标注以折线点形式给出。代码仓为 Apache-2.0，数据与真值通过仓库 Issues 页协调下载。
  • CULane：香港中文大学发布，采集自北京，含 133235 帧、覆盖正常与 8 类挑战场景（夜间、拥堵、阴影等），含遮挡车道的上下文补全标注。仅限非商用，需署名，禁止再分发，通过 Google Drive 或百度云下载。
  • LLAMAS：高速公路车道线数据集，10 万余张图像，借助高精地图自动投影生成标注（无需逐帧人工画线）。非商用授权、需署名，下载需注册登录。

四、车牌识别（强地域属性，注意隐私）

车牌几乎绑定国家与地区格式，选数据集前先确认目标地域：

  • CCPD（中国城市停车数据集）：面向中国车牌的检测与识别，ECCV 2018 发布，含 30 万张以上图像，涵盖模糊、倾斜、远景、新能源绿牌等多个子集，标注信息编码在文件名中。MIT 授权，通过 Google Drive 或百度云下载。做中国车牌优先选它。
  • OpenALPR Benchmarks：OpenALPR 项目配套的车牌基准测试数据，含检测、端到端、分割与 OCR 等测试集（具体地域覆盖以仓库内容为准）。注意其授权为 AGPL-3.0，对衍生作品与分发有较强约束，商用集成前务必读清条款。

五、怎么选，以及常见的坑

按任务与是否商用来选： 想一份数据覆盖检测+分割+跟踪，优先 BDD100K（任务最全）或 nuScenes/Waymo（多传感器、3D 强）；只做像素级分割，Cityscapes 是标杆、Mapillary 地域更广；车道线专项看 CULane/TuSimple/LLAMAS；中国车牌几乎只看 CCPD。特别注意：上面绝大多数（KITTI、nuScenes、Waymo、Cityscapes、Mapillary、CULane、LLAMAS）都是非商用授权，真要做商业产品，必须回到官方页面确认许可，或寻求商用授权，切勿想当然。

几个反复踩的坑： 一是标注格式不统一——KITTI、COCO、各家 JSON、文件名编码（CCPD）互不兼容，跨数据集训练前要先做格式转换与类别映射；二是商用授权红线，学术数据集拿去商用是常见的合规风险；三是地域差异，欧美场景训练的模型在中国道路（车型、标线、招牌、车牌）上往往掉点，跨地域要做域适应；四是车牌涉及个人隐私与车辆信息，采集、存储与公开使用都要遵守当地数据保护法规，公开演示前注意脱敏。

如果你不确定某个具体场景该用哪份数据、或想快速比对多个数据集的标注与授权细节，可以用数聚天成的数据集检索服务按需求描述检索——我们会基于公开信息给出可核验的候选与来源，最终授权与规模请以各数据集官方页面为准。

参考来源