Die besten Computer-Vision-Datensätze des Jahres 2025 im Überblick

Wusstest du, dass Daten bei fast allem eine Rolle spielen, was du täglich tust? Wenn du ein Video ansiehst, ein Foto aufnimmst oder Google Maps überprüfst, trägst du zum ständigen Informationsfluss bei, der von über 75 Milliarden vernetzten Geräten erfasst wird. Diese Daten bilden die Grundlage der künstlichen Intelligenz (AI). Tatsächlich sind fortschrittliche Computer-Vision-Modelle wie Ultralytics YOLO11 auf visuelle Daten angewiesen, um Muster zu erkennen, Bilder zu interpretieren und die Welt um uns herum zu verstehen.

Interessanterweise hängt der Wert von Daten nicht nur von ihrer Menge ab. Viel wichtiger ist, wie gut sie organisiert und aufbereitet sind. Ist ein Datensatz unübersichtlich oder unvollständig, kann das zu Fehlern führen. Saubere und vielfältige Datensätze helfen Computer-Vision-Modellen dagegen, bessere Ergebnisse zu erzielen – sei es beim Erkennen von Objekten in einer Menschenmenge oder bei der Analyse komplexer visueller Inhalte. Hochwertige Datensätze machen den entscheidenden Unterschied.

In diesem Artikel sehen wir uns die besten Computer-Vision-Datensätze des Jahres 2025 an und erfahren, wie sie zum Aufbau genauerer und effizienterer Computer-Vision-Modelle beitragen. Legen wir los!

Was sind Computer-Vision-Datensätze?#

Ein Computer-Vision-Datensatz ist eine Sammlung von Bildern oder Videos, die Computersichtsystemen dabei hilft, visuelle Informationen zu verstehen und zu erkennen. Diese Datensätze enthalten Beschriftungen oder Annotationen, anhand derer Modelle Objekte, Personen, Szenen und Muster in den Daten erkennen können.

Sie können zum Trainieren von Computer-Vision-Modellen verwendet werden und helfen ihnen bei Aufgaben wie der Gesichtserkennung, Objekterkennung oder Szenenanalyse. Je besser der Datensatz organisiert, vielfältig und präzise ist, desto besser arbeitet das Computer-Vision-Modell. Das führt zu intelligenterer und nützlicherer Technologie im Alltag.

So erstellst du einen Computer-Vision-Datensatz#

Einen Computer-Vision-Datensatz zu erstellen ist wie das Anfertigen von Lernnotizen, mit denen du jemandem beibringst, die Welt zu sehen und zu verstehen. Alles beginnt mit dem Sammeln von Bildern und Videos, die zur spezifischen Anwendung passen, die du entwickelst.

Ein idealer Datensatz enthält vielfältige Beispiele der relevanten Objekte, aufgenommen aus unterschiedlichen Blickwinkeln, bei verschiedenen Lichtverhältnissen sowie vor unterschiedlichen Hintergründen und in verschiedenen Umgebungen. Diese Vielfalt stellt sicher, dass das Computer-Vision-Modell Muster präzise erkennt und in realen Szenarien zuverlässig arbeitet.

Abb. 1. Erstellung des perfekten Computer-Vision-Datensatzes. Bild vom Autor.

Nach dem Sammeln relevanter Bilder und Videos folgt als Nächstes die Datenbeschriftung. Dabei werden den Daten Tags, Annotationen oder Beschreibungen hinzugefügt, damit die AI verstehen kann, was die einzelnen Bilder oder Videos enthalten.

Beschriftungen können Objektnamen, Positionen, Begrenzungen oder andere relevante Details enthalten, die dem Modell helfen, visuelle Informationen präzise zu erkennen und zu interpretieren. Durch die Datenbeschriftung wird aus einer einfachen Bildersammlung ein strukturierter Datensatz, mit dem du ein Computer-Vision-Modell trainieren kannst.

Modelltraining erfordert hochwertige Daten#

Vielleicht fragst du dich, was einen hochwertigen Datensatz ausmacht. Dabei spielen viele Faktoren eine Rolle, etwa präzise Beschriftungen, Vielfalt und Konsistenz. Wenn beispielsweise mehrere Annotatoren einen Objekterkennungsdatensatz beschriften, um Katzenohren zu erkennen, kann einer sie als Teil des Kopfes markieren, während ein anderer sie separat als Ohren kennzeichnet. Diese Uneinheitlichkeit kann das Modell verwirren und seine Fähigkeit beeinträchtigen, korrekt zu lernen.

Hier ist ein kurzer Überblick über die Eigenschaften eines idealen Computer-Vision-Datensatzes:

• Klare Beschriftungen: Jedes Bild ist präzise und einheitlich beschriftet.
• Vielfältige Daten: Der Datensatz enthält unterschiedliche Objekte, Hintergründe, Lichtverhältnisse und Blickwinkel, damit das Modell in verschiedenen Situationen gut funktioniert.
• Hochauflösende Bilder: Scharfe, detailreiche Bilder erleichtern es dem Modell, Merkmale zu lernen und zu erkennen.

Ultralytics unterstützt verschiedene Datensätze#

Ultralytics YOLO-Modelle wie YOLO11 sind für die Arbeit mit Datensätzen in einem speziellen YOLO-Dateiformat ausgelegt. Deine eigenen Daten lassen sich zwar einfach in dieses Format umwandeln, aber wir bieten auch eine unkomplizierte Option für alle, die sofort mit dem Experimentieren beginnen möchten.

Das Ultralytics-Python-Paket unterstützt eine große Auswahl an Computer-Vision-Datensätzen. So kannst du ohne zusätzliche Einrichtung direkt Projekte mit Aufgaben wie Objekterkennung, Instanzsegmentierung oder Posenschätzung starten.

Du kannst problemlos sofort einsatzbereite Datensätze wie COCO, DOTA-v2.0, Open Images V7 und ImageNet nutzen, indem du den Namen des Datensatzes als Parameter in der Trainingsfunktion angibst. Anschließend wird der Datensatz automatisch heruntergeladen und vorkonfiguriert, sodass du dich auf den Aufbau und die Verbesserung deiner Modelle konzentrieren kannst.

Die fünf besten Computer-Vision-Datensätze im Jahr 2025#

Fortschritte im Bereich Vision AI beruhen auf vielfältigen Datensätzen großen Umfangs, die Innovationen vorantreiben und Durchbrüche ermöglichen. Sehen wir uns einige der wichtigsten von Ultralytics unterstützten Datensätze an, die Computer-Vision-Modelle beeinflussen.

ImageNet-Datensatz#

ImageNet wurde 2007 von Fei-Fei Li und ihrem Team an der Princeton University erstellt und 2009 vorgestellt. Der umfangreiche Datensatz umfasst mehr als 14 Millionen beschriftete Bilder. Er wird häufig verwendet, um Systeme darauf zu trainieren, verschiedene Objekte zu erkennen und zu kategorisieren. Seine strukturierte Gestaltung macht ihn besonders nützlich, um Modelle präzise auf die Klassifizierung von Bildern zu trainieren. Obwohl der Datensatz gut dokumentiert ist, konzentriert er sich hauptsächlich auf die Bildklassifizierung und enthält keine detaillierten Annotationen für Aufgaben wie die Objekterkennung.

Hier sind einige der wichtigsten Stärken von ImageNet:

• Vielfalt: Mit Bildern aus mehr als 20.000 Kategorien bietet ImageNet einen umfangreichen und vielfältigen Datensatz, der das Training und die Generalisierung von Modellen verbessert.
• Strukturierte Organisation: Die Bilder werden sorgfältig anhand der WordNet-Hierarchie kategorisiert, was einen effizienten Datenabruf und ein systematisches Modelltraining ermöglicht.
• Umfassende Dokumentation: Umfangreiche Forschung und jahrelange Untersuchungen machen ImageNet sowohl für Anfänger als auch für Experten zugänglich und liefern wertvolle Einblicke und Orientierung für Computer-Vision-Projekte.

Wie jeder Datensatz hat ImageNet jedoch auch Einschränkungen. Hier sind einige Herausforderungen, die du berücksichtigen solltest:

• Rechenaufwand: Seine enorme Größe kann kleinere Teams mit begrenzten Rechenressourcen vor Herausforderungen stellen.
• Fehlende zeitliche Daten: Da der Datensatz ausschließlich statische Bilder enthält, eignet er sich möglicherweise nicht für Anwendungen, die Video- oder zeitbezogene Daten erfordern.
• Veraltete Bilder: Einige Bilder im Datensatz sind älter und spiegeln möglicherweise aktuelle Objekte, Stile oder Umgebungen nicht wider, wodurch ihre Relevanz für moderne Anwendungen sinken kann.

DOTA-v2.0-Datensatz#

Der DOTA-v2.0-Datensatz, wobei DOTA für „Datensatz zur Objekterkennung in Luftbildern“ steht, ist eine umfangreiche Sammlung von Luftbildern, die speziell für die Objekterkennung mit orientierten Begrenzungsrahmen (OBB) erstellt wurde. Bei der OBB-Erkennung werden gedrehte Begrenzungsrahmen verwendet, die sich genauer an der tatsächlichen Ausrichtung der Objekte im Bild orientieren. Diese Methode eignet sich besonders gut für Luftaufnahmen, in denen Objekte häufig aus verschiedenen Winkeln erscheinen. Dadurch werden eine präzisere Lokalisierung und insgesamt bessere Erkennungsergebnisse erzielt.

Dieser Datensatz umfasst mehr als 11.000 Bilder und über 1,7 Millionen orientierte Begrenzungsrahmen aus 18 Objektkategorien. Die Bilder reichen von 800×800 bis 20.000×20.000 Pixeln und enthalten Objekte wie Flugzeuge, Schiffe und Gebäude.

Abb. 2. Beispiele für Bilder und Annotationen aus dem DOTA-v2.0-Datensatz. Bild vom Autor.

Dank seiner detaillierten Annotationen ist DOTA-v2.0 eine beliebte Wahl für Projekte zur Fernerkundung und Luftüberwachung geworden. Hier sind einige der wichtigsten Merkmale von DOTA-v2.0:

• Vielfältige Objektkategorien: Der Datensatz deckt viele verschiedene Objekttypen ab, etwa Fahrzeuge, Häfen und Lagertanks, und bietet Modellen dadurch Beispiele für unterschiedliche Objekte aus der realen Welt.
• Hochwertige Annotationen: Fachkundige Annotatoren haben präzise orientierte Begrenzungsrahmen bereitgestellt, die Formen und Ausrichtungen der Objekte klar zeigen.
• Bilder mit mehreren Maßstäben: Der Datensatz enthält Bilder unterschiedlicher Größe und hilft Modellen dadurch, Objekte sowohl in kleinem als auch in großem Maßstab zu erkennen.

DOTA-v2 hat zwar viele Stärken, aber du solltest auch die folgenden Einschränkungen beachten:

• Zusätzliche Schritte beim Herunterladen: Aufgrund der Art und Weise, wie der DOTA-Datensatz gepflegt wird, erfordert DOTA-v2.0 einen zusätzlichen Einrichtungsschritt. Du musst zunächst die Bilder von DOTA-v1.0 herunterladen und anschließend die zusätzlichen Bilder sowie die aktualisierten Annotationen für DOTA-v2.0 hinzufügen, um den Datensatz zu vervollständigen.
• Komplexe Annotationen: Der Umgang mit orientierten Begrenzungsrahmen kann während des Modelltrainings zusätzlichen Aufwand erfordern.
• Begrenzter Anwendungsbereich: DOTA-v2 wurde für Luftbilder entwickelt und ist daher für allgemeine Objekterkennungsaufgaben außerhalb dieses Bereichs weniger geeignet.

Roboflow-100-Datensatz#

Der Roboflow-100 (RF100)-Datensatz wurde von Roboflow mit Unterstützung von Intel erstellt. Er kann verwendet werden, um die Leistungsfähigkeit von Objekterkennungsmodellen zu testen und zu vergleichen. Dieser Benchmark-Datensatz umfasst 100 verschiedene Datensätze, die aus mehr als 90.000 öffentlichen Datensätzen ausgewählt wurden. Er enthält über 224.000 Bilder und 800 Objektklassen aus Bereichen wie Gesundheitswesen, Luftaufnahmen und Gaming.

Hier sind einige der wichtigsten Vorteile von RF100:

• Breite Abdeckung verschiedener Bereiche: Der Datensatz umfasst Datensätze aus sieben Bereichen, etwa medizinischer Bildgebung, Luftaufnahmen und Unterwassererkundung.
• Fördert die Verbesserung von Modellen: Die Variabilität und die bereichsspezifischen Herausforderungen in RF100 zeigen Lücken in aktuellen Modellen auf und lenken die Forschung hin zu anpassungsfähigeren und robusteren Lösungen für die Objekterkennung.
• Einheitliches Bildformat: Alle Bilder werden auf 640x640 Pixel skaliert. Dadurch kannst du Modelle trainieren, ohne die Bildgrößen anpassen zu müssen.

Trotz seiner Stärken hat RF100 auch einige Nachteile, die du berücksichtigen solltest:

• Begrenzter Aufgabenbereich: RF100 wurde für die Objekterkennung entwickelt und eignet sich daher nicht für Aufgaben wie Segmentierung oder Klassifizierung.
• Fokus auf Benchmarking: RF100 ist in erster Linie als Werkzeug zum Vergleichen von Modellen und nicht zum Trainieren von Modellen für reale Anwendungen gedacht. Daher lassen sich die Ergebnisse möglicherweise nicht vollständig auf praktische Einsatzszenarien übertragen.
• Unterschiedliche Annotationen: Da RF100 zusammengetragene, von verschiedenen Personen erstellte Datensätze vereint, kann es Unterschiede bei der Qualität der Annotationen und den Beschriftungspraktiken geben. Das kann die Bewertung und Feinabstimmung von Modellen beeinflussen.

COCO-Datensatz (Gemeinsame Objekte im Kontext)#

Der COCO-Datensatz ist einer der am häufigsten verwendeten Computer-Vision-Datensätze und bietet mehr als 330.000 Bilder mit detaillierten Bildannotationen. Er wurde für Objekterkennung, Segmentierung und Bildbeschriftung entwickelt und ist damit eine wertvolle Ressource für viele Projekte. Seine detaillierten Beschriftungen, darunter Begrenzungsrahmen und Segmentierungsmasken, helfen Systemen dabei, Bilder präzise zu analysieren.

Dieser Datensatz ist für seine Vielseitigkeit bekannt und eignet sich für unterschiedlichste Aufgaben, von einfachen bis hin zu komplexen Projekten. Er hat sich im Bereich Vision AI zu einem Standard entwickelt und wird häufig bei Herausforderungen und Wettbewerben zur Bewertung der Modellleistung eingesetzt.

Zu seinen Stärken gehören:

• Vielfältige und realistische Daten: Der Datensatz enthält Bilder aus realen Szenarien mit mehreren Objekten, Verdeckungen und unterschiedlichen Lichtverhältnissen.
• Starke Akzeptanz in Community und Forschung: Der COCO-Datensatz wird bei wichtigen Wettbewerben und in der Forschung im Bereich maschinelles Lernen eingesetzt. Er bietet eine umfassende Dokumentation, vortrainierte Modelle und aktive Unterstützung durch die Community.
• Umfangreiche und detaillierte Annotationen: Der COCO-Datensatz stellt äußerst detaillierte Annotationen bereit, darunter Objektsegmentierungen, Schlüsselpunkte und Beschriftungen, und eignet sich damit ideal für Projekte, die ein präzises visuelles Verständnis erfordern.

Hier sind außerdem einige einschränkende Faktoren, die du kennen solltest:

• Hoher Rechenbedarf: Aufgrund seiner Größe und Komplexität kann das Training von Modellen mit COCO erhebliche Rechenressourcen erfordern, was für Teams mit begrenzter Hardware eine Herausforderung darstellen kann.
• Unausgewogene Datenverteilung: Einige Objektkategorien enthalten deutlich mehr Bilder als andere, was zu Verzerrungen beim Modelltraining führen kann.
• Komplexe Annotationsstruktur: Die detaillierten Annotationen des Datensatzes sind zwar wertvoll, können aber Anfänger oder kleinere Teams ohne Erfahrung im Umgang mit strukturierten Vision-AI-Datensätzen überfordern.

Open-Images-V7-Datensatz#

Open Images V7 ist ein umfangreicher Open-Source-Datensatz, der von Google zusammengestellt wurde. Er umfasst über 9 Millionen Bilder mit Annotationen für 600 Objektkategorien. Der Datensatz enthält verschiedene Arten von Annotationen und eignet sich ideal für anspruchsvolle Computer-Vision-Aufgaben. Sein Umfang und seine Detailtiefe machen ihn zu einer umfassenden Ressource für das Training und Testen von Computer-Vision-Modellen.

Abb. 3. Ein Einblick in den Open-Images-V7-Datensatz. Bild vom Autor.

Die Beliebtheit des Open-Images-V7-Datensatzes in der Forschung stellt außerdem zahlreiche Ressourcen und Beispiele zum Lernen bereit. Sein enormer Umfang kann das Herunterladen und Verarbeiten jedoch zeitaufwendig machen, insbesondere für kleinere Teams. Ein weiteres Problem ist, dass einige Annotationen möglicherweise uneinheitlich sind und zusätzliche Arbeit zur Datenbereinigung erfordern. Auch die Integration verläuft nicht immer reibungslos, sodass eine zusätzliche Aufbereitung erforderlich sein kann.

Den richtigen Datensatz auswählen#

Die Auswahl des richtigen Datensatzes ist ein wichtiger Teil, um dein Computer-Vision-Projekt erfolgreich aufzustellen. Die beste Wahl hängt von deiner konkreten Aufgabe ab – ein passender Datensatz hilft deinem Modell, die richtigen Fähigkeiten zu erlernen. Außerdem sollte er sich problemlos in deine Werkzeuge integrieren lassen, damit du dich stärker auf den Aufbau deines Modells und weniger auf die Fehlerbehebung konzentrieren kannst.

Abb. 4. Faktoren für die Auswahl des richtigen Datensatzes. Bild vom Autor.

Wichtige Erkenntnisse#

Hochwertige Datensätze bilden das Rückgrat jedes Computer-Vision-Modells und helfen Systemen dabei, Bilder präzise zu interpretieren. Vielfältige und gut annotierte Datensätze sind besonders wichtig, da sie es Modellen ermöglichen, in realen Szenarien zuverlässig zu arbeiten und durch begrenzte oder minderwertige Daten verursachte Fehler zu reduzieren.

Ultralytics vereinfacht den Zugriff auf Computer-Vision-Datensätze und die Arbeit mit ihnen, sodass du leichter die richtigen Daten für dein Projekt findest. Die Auswahl des passenden Datensatzes ist ein entscheidender Schritt beim Aufbau eines leistungsstarken Modells und führt zu präziseren und wirkungsvolleren Ergebnissen.

Tritt unserer Community bei und erkunde unser GitHub-Repository, um mehr über AI zu erfahren. Entdecke auf unseren Lösungsseiten Fortschritte wie Computersicht im Gesundheitswesen und AI in selbstfahrenden Autos. Sieh dir unsere Lizenzoptionen an und mache heute den ersten Schritt auf dem Weg zu deinem Einstieg in die Computersicht!