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 stetigen Informationsfluss bei, der von mehr als 75 Milliarden vernetzten Geräten erfasst wird. Diese Daten bilden die Grundlage der künstlichen Intelligenz (KI). 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 kommt es beim Wert von Daten nicht nur auf die Menge an. Wichtiger ist, wie gut die Daten organisiert und aufbereitet sind. Ein unübersichtlicher oder unvollständiger Datensatz kann zu Fehlern führen. Saubere und vielfältige Datensätze hingegen helfen Computer-Vision-Modellen, bessere Leistungen zu erzielen – sei es beim Erkennen von Objekten in einer Menschenmenge oder beim Analysieren 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 zeigen, wie sie zur Entwicklung genauerer und effizienterer Computer-Vision-Modelle beitragen.

Was sind Computer-Vision-Datensätze?#

Ein Computer-Vision-Datensatz ist eine Sammlung von Bildern oder Videos, anhand derer Computer-Vision-Systeme lernen, visuelle Informationen zu verstehen und zu erkennen. Diese Datensätze enthalten Beschriftungen oder Anmerkungen, die Modellen dabei helfen, Objekte, Personen, Szenen und Muster in den Daten zu erkennen.

Computer-Vision-Modelle lassen sich mit diesen Daten trainieren und dadurch bei Aufgaben wie der Gesichtserkennung, Objekterkennung oder Szenenanalyse verbessern. Je besser der Datensatz – gut organisiert, vielfältig und genau –, desto leistungsfähiger ist das Modell für visuelle KI. Das ermöglicht intelligentere und nützlichere Technologien für den Alltag.

Einen Computer-Vision-Datensatz erstellen#

Einen Computer-Vision-Datensatz zu erstellen, ist wie Lernnotizen vorzubereiten, mit denen man jemandem beibringt, die Welt zu sehen und zu verstehen. Am Anfang steht das Sammeln von Bildern und Videos, die zu der konkreten Anwendung passen, die du entwickelst.

Ein idealer Datensatz enthält vielfältige Beispiele der relevanten Objekte, die aus unterschiedlichen Blickwinkeln, bei verschiedenen Lichtverhältnissen sowie vor unterschiedlichen Hintergründen und in verschiedenen Umgebungen aufgenommen wurden. Dank dieser Vielfalt lernt das Computer-Vision-Modell, Muster zuverlässig zu erkennen und sich in realen Situationen bewährt zu verhalten.

Abb. 1. Den idealen Computer-Vision-Datensatz erstellen. Abbildung vom Autor.

Nach dem Sammeln relevanter Bilder und Videos folgt die Datenbeschriftung. Dabei werden die Daten mit Tags, Anmerkungen oder Beschreibungen versehen, damit die KI versteht, was auf den einzelnen Bildern oder in den Videos zu sehen ist.

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

Für das Modelltraining sind hochwertige Daten erforderlich#

Du fragst dich vielleicht, woran man die Qualität eines Datensatzes erkennt. Dazu tragen viele Faktoren bei, darunter genaue Beschriftungen, Vielfalt und Einheitlichkeit. Wenn beispielsweise mehrere Personen einen Datensatz für die Objekterkennung beschriften, um Katzenohren zu erkennen, ordnet eine Person die Ohren möglicherweise dem Kopf zu, während eine andere sie separat als Ohren beschriftet. Diese uneinheitliche Beschriftung kann das Modell verwirren und seine Fähigkeit beeinträchtigen, richtig zu lernen.

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

• Eindeutige Beschriftungen: Jedes Bild ist genau und mit einheitlichen, präzisen Beschriftungen versehen.
• Vielfältige Daten: Der Datensatz umfasst unterschiedliche Objekte, Hintergründe, Lichtverhältnisse und Blickwinkel, damit das Modell in verschiedenen Situationen zuverlässig funktioniert.
• Hochauflösende Bilder: Scharfe, detailreiche Bilder erleichtern dem Modell das Lernen und Erkennen von Merkmalen.

Ultralytics unterstützt verschiedene Datensätze#

Ultralytics YOLO-Modelle wie YOLO11 sind für Datensätze in einem bestimmten YOLO-Dateiformat ausgelegt. Du kannst deine eigenen Daten problemlos in dieses Format umwandeln. Für alle, die sofort mit Experimenten beginnen möchten, bieten wir außerdem eine einfachere Möglichkeit.

Das Ultralytics-Python-Paket unterstützt zahlreiche Computer-Vision-Datensätze. So kannst du ohne zusätzliche Einrichtung direkt mit Projekten zu Aufgaben wie Objekterkennung, Instanzsegmentierung oder Posenschätzung loslegen.

Nutzer können ganz einfach auf sofort einsetzbare Datensätze wie COCO, DOTA (v1.0 und v1.5), Open Images V7 und ImageNet zugreifen, indem sie den Namen des Datensatzes als Parameter in der Trainingsfunktion angeben. Der Datensatz wird dann automatisch heruntergeladen und vorkonfiguriert, sodass du dich ganz auf das Erstellen und Verfeinern deiner Modelle konzentrieren kannst.

Die fünf besten Computer-Vision-Datensätze des Jahres 2025#

Fortschritte im Bereich Vision-KI beruhen auf vielfältigen, umfangreichen Datensätzen, die Innovationen vorantreiben und Durchbrüche ermöglichen. Werfen wir einen Blick auf einige der wichtigsten von Ultralytics unterstützten Datensätze, 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 über 14 Millionen annotierte Bilder. Er wird häufig dazu verwendet, Systeme darauf zu trainieren, verschiedene Objekte zu erkennen und zu kategorisieren. Dank seiner strukturierten Gestaltung eignet er sich besonders gut, um Modellen eine präzise Bildklassifizierung beizubringen. Obwohl er 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 Modelltraining und die Generalisierung verbessert.
• Strukturierte Organisation: Die Bilder sind sorgfältig anhand der WordNet-Hierarchie kategorisiert. Das erleichtert den effizienten Datenabruf und ein systematisches Modelltraining.
• Umfassende Dokumentation: Die umfangreiche Forschung und jahrelange Arbeit machen ImageNet sowohl für Einsteiger als auch für Experten zugänglich und bieten wertvolle Erkenntnisse und Hilfestellungen für Computer-Vision-Projekte.

Wie jeder Datensatz hat er jedoch auch seine Grenzen. Hier sind einige Herausforderungen, die du berücksichtigen solltest:

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

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 von Objekten im Bild orientieren. Diese Methode eignet sich besonders gut für Luftbilder, in denen Objekte häufig in unterschiedlichen Winkeln erscheinen. So lassen sie sich präziser lokalisieren und insgesamt besser erkennen.

Dieser Datensatz umfasst mehr als 11.000 Bilder und über 1,7 Millionen orientierte Begrenzungsrahmen in 18 Objektkategorien. Die Bilder reichen von 800×800 bis 20.000×20.000 Pixeln und zeigen unter anderem 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 Fernerkundungs- und Luftüberwachungsprojekte. Hier sind einige der wichtigsten Merkmale von DOTA-v2.0:

• Vielfältige Objektkategorien: Der Datensatz umfasst viele verschiedene Objekttypen wie Fahrzeuge, Häfen und Lagertanks und bietet Modellen so Beispiele für zahlreiche Objekte aus der realen Welt.
• Hochwertige Annotationen: Fachkundige Annotatoren haben präzise orientierte Begrenzungsrahmen erstellt, die Form und Ausrichtung der Objekte klar darstellen.
• Bilder in verschiedenen Maßstäben: Der Datensatz enthält Bilder unterschiedlicher Größe und hilft Modellen so, Objekte in kleinen wie auch in großen Maßstäben zu erkennen.

DOTA-v2 bietet viele Vorteile, hat aber auch einige Einschränkungen, die du beachten solltest:

• Zusätzliche Schritte beim Herunterladen: Aufgrund der Art und Weise, wie der DOTA-Datensatz gepflegt wird, erfordert DOTA-v2.0 einen zusätzlichen Einrichtungsschritt. Du musst zuerst die Bilder von DOTA-v1.0 herunterladen und dann 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 beim Modelltraining zusätzlichen Aufwand erfordern.
• Begrenzter Anwendungsbereich: DOTA-v2 wurde für Luftbilder entwickelt und eignet sich daher weniger für allgemeine Aufgaben der Objekterkennung außerhalb dieses Bereichs.

Roboflow-100-Datensatz#

Der Datensatz Roboflow 100 (RF100) wurde von Roboflow mit Unterstützung von Intel erstellt. Er kann verwendet werden, um die Leistung 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 dem 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 Vielfalt und die bereichsspezifischen Herausforderungen von RF100 machen Schwächen aktueller Modelle sichtbar und treiben die Forschung anpassungsfähigeren und robusteren Lösungen für die Objekterkennung voran.
• Einheitliches Bildformat: Alle Bilder werden auf 640x640 Pixel skaliert. So kannst du Modelle trainieren, ohne die Bildgrößen anpassen zu müssen.

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

• Auf bestimmte Aufgaben beschränkt: RF100 wurde für die Objekterkennung entwickelt und eignet sich daher nicht für Aufgaben wie Segmentierung oder Klassifizierung.
• Schwerpunkt auf Benchmarking: RF100 ist in erster Linie als Benchmarking-Werkzeug und nicht zum Trainieren von Modellen für Anwendungen in der realen Welt gedacht. Deshalb lassen sich die Ergebnisse möglicherweise nicht vollständig auf praktische Einsatzszenarien übertragen.
• Unterschiedliche Annotationen: Da RF100 Datensätze aus Beiträgen vieler Personen zusammenführt, kann die Qualität der Annotationen und die Kennzeichnungspraxis uneinheitlich sein. Das kann die Modellbewertung und Feinabstimmung beeinträchtigen.

COCO-Datensatz (Gemeinsame Objekte im Kontext)#

Der COCO-Datensatz ist einer der am häufigsten verwendeten Computer-Vision-Datensätze und umfasst über 330.000 Bilder mit detaillierten Annotationen. Er wurde für Objekterkennung, Segmentierung und Bildbeschriftung entwickelt und ist damit eine wertvolle Ressource für viele Projekte. Die detaillierten Kennzeichnungen, darunter Begrenzungsrahmen und Segmentierungsmasken, helfen Systemen, Bilder präzise zu analysieren.

Dieser Datensatz ist vielseitig und eignet sich für verschiedene Aufgaben, von einfachen bis hin zu komplexen Projekten. Er hat sich im Bereich Vision-KI als Standard etabliert 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.
• Große Verbreitung in Forschung und Community: Der COCO-Datensatz wird bei wichtigen Wettbewerben im Bereich maschinelles Lernen und in der Forschung verwendet. Er bietet eine ausführliche Dokumentation, vortrainierte Modelle und eine aktive Community.
• Umfangreiche und detaillierte Annotationen: Der COCO-Datensatz bietet äußerst detaillierte Annotationen, darunter Objektsegmentierungen, Keypoints und Bildunterschriften. Damit eignet er sich ideal für Projekte, die ein präzises visuelles Verständnis erfordern.

Hier sind einige Einschränkungen, die du ebenfalls kennen solltest:

• Hoher Rechenaufwand: Aufgrund seiner Größe und Komplexität kann das Training von Modellen mit COCO beträchtliche Rechenressourcen erfordern. Das stellt Teams mit begrenzter Hardware vor Herausforderungen.
• Unausgewogene Datenverteilung: Für einige Objektkategorien gibt es deutlich mehr Bilder als für andere, was zu Verzerrungen beim Modelltraining führen kann.
• Komplexe Annotationsstruktur: Die detaillierten Annotationen des Datensatzes sind zwar wertvoll, können aber Anfänger und kleinere Teams überfordern, wenn ihnen die Erfahrung im Umgang mit strukturierten Vision-KI-Datensätzen fehlt.

Open-Images-V7-Datensatz#

Open Images V7 ist ein umfangreicher, von Google zusammengestellter Open-Source-Datensatz mit über 9 Millionen Bildern und Annotationen für 600 Objektkategorien. Er enthält verschiedene Annotationstypen und eignet sich ideal für anspruchsvolle Computer-Vision-Aufgaben. Dank seines Umfangs und seiner Detailtiefe bietet er eine umfassende Ressource zum Trainieren und Testen von Computer-Vision-Modellen.

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

Die große Beliebtheit des Open-Images-V7-Datensatzes in der Forschung bietet Nutzern außerdem zahlreiche Ressourcen und Beispiele, von denen sie lernen können. Seine enorme Größe kann das Herunterladen und Verarbeiten jedoch zeitaufwendig machen, insbesondere für kleinere Teams. Ein weiteres Problem ist, dass einige Annotationen möglicherweise uneinheitlich sind und zusätzlicher Aufwand für die Bereinigung der Daten nötig ist. Auch die Integration verläuft nicht immer nahtlos, sodass weitere Vorbereitungen erforderlich sein können.

Den richtigen Datensatz auswählen#

Die Wahl des richtigen Datensatzes ist ein wichtiger Schritt, damit dein Computer-Vision-Projekt erfolgreich wird. Die beste Wahl hängt von deiner konkreten Aufgabe ab – mit einem passenden Datensatz lernt dein Modell die richtigen Fähigkeiten. Außerdem sollte sich der Datensatz problemlos in deine Werkzeuge integrieren lassen, damit du dich stärker auf die Entwicklung deines Modells und weniger auf die Fehlersuche konzentrieren kannst.

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

Die wichtigsten Erkenntnisse#

Hochwertige Datensätze bilden das Fundament jedes Computer-Vision-Modells und helfen Systemen, Bilder präzise zu interpretieren. Vielfältige und gut annotierte Datensätze sind besonders wichtig, denn sie ermöglichen es Modellen, in realen Szenarien zuverlässig zu funktionieren und Fehler aufgrund begrenzter oder minderwertiger Daten zu reduzieren.

Ultralytics vereinfacht den Zugriff auf Computer-Vision-Datensätze und die Arbeit mit ihnen und macht es leichter, die passenden Daten für dein Projekt zu finden. Die Wahl des richtigen Datensatzes ist ein entscheidender Schritt bei der Entwicklung eines leistungsstarken Modells und führt zu genaueren Ergebnissen mit größerer Wirkung.

Tritt unserer Community bei und erkunde unser GitHub-Repository, um mehr über KI zu erfahren. Entdecke auf unseren Lösungsseiten Fortschritte wie Computer Vision im Gesundheitswesen und KI in selbstfahrenden Autos. Sieh dir unsere Lizenzoptionen an und mach heute den ersten Schritt in die Welt von Computer Vision!