Esplorazione dei migliori dataset di computer vision del 2025

Sapevi che i dati svolgono un ruolo in quasi tutto ciò che fai ogni giorno? Guardare un video, scattare una foto o controllare Google Maps contribuisce al flusso costante di informazioni raccolte da oltre 75 miliardi di dispositivi connessi. Questi dati costituiscono la base dell'intelligenza artificiale (AI). Infatti, i modelli avanzati di computer vision come Ultralytics YOLO11 si affidano ai dati visivi per identificare schemi, interpretare immagini e comprendere il mondo che ci circonda.

È interessante notare che il valore dei dati non dipende solo dalla quantità. È più importante quanto siano ben organizzati e preparati. Se un dataset è disordinato o incompleto, può portare a errori. Tuttavia, quando i dataset sono puliti e diversificati, aiutano i modelli di computer vision a ottenere prestazioni migliori, sia nel riconoscimento di oggetti in mezzo alla folla sia nell'analisi di immagini complesse. I dataset di alta qualità fanno davvero la differenza.

In questo articolo esploreremo i migliori dataset di computer vision del 2025 e vedremo come contribuiscono a creare modelli di computer vision più accurati ed efficienti. Iniziamo!

Che cosa sono i dataset di computer vision?#

Un dataset di computer vision è una raccolta di immagini o video che aiuta i sistemi di computer vision a imparare a comprendere e riconoscere le informazioni visive. Questi dataset includono etichette o annotazioni che aiutano i modelli a riconoscere oggetti, persone, scene e schemi all'interno dei dati.

Possono essere utilizzati per addestrare modelli di computer vision, aiutandoli a migliorare in attività come l'identificazione dei volti, il rilevamento degli oggetti o l'analisi delle scene. Migliore è il dataset, ovvero ben organizzato, diversificato e accurato, migliori saranno le prestazioni del modello di AI per la computer vision, con il risultato di ottenere tecnologie più intelligenti e utili nella vita quotidiana.

Come creare un dataset di computer vision#

Creare un dataset di computer vision è come preparare appunti di studio per insegnare a qualcuno a vedere e comprendere il mondo. Tutto inizia dalla raccolta di immagini e video pertinenti all'applicazione specifica che stai sviluppando.

Un dataset ideale include esempi diversificati degli oggetti di interesse, acquisiti da angolazioni diverse, in varie condizioni di illuminazione e su sfondi e ambienti differenti. Questa varietà garantisce che il modello di computer vision impari a riconoscere accuratamente gli schemi e funzioni in modo affidabile negli scenari del mondo reale.

Fig. 1. Creazione del dataset di computer vision perfetto. Immagine dell'autore.

Dopo aver raccolto immagini e video pertinenti, il passaggio successivo è l'etichettatura dei dati. Questo processo consiste nell'aggiungere tag, annotazioni o descrizioni ai dati, affinché l'AI possa comprendere il contenuto di ogni immagine o video.

Le etichette possono includere nomi degli oggetti, posizioni, contorni o altri dettagli rilevanti che aiutano il modello ad apprendere come riconoscere e interpretare accuratamente le informazioni visive. L'etichettatura dei dati trasforma una semplice raccolta di immagini in un dataset strutturato che può essere utilizzato per addestrare un modello di computer vision.

L'addestramento del modello richiede dati di alta qualità#

Forse ti stai chiedendo che cosa renda un dataset di alta qualità. Entrano in gioco molti fattori, come accuratezza delle annotazioni, diversità e coerenza. Ad esempio, se più annotatori etichettano un dataset di rilevamento degli oggetti per identificare le orecchie dei gatti, uno potrebbe etichettarle come parte della testa, mentre un altro potrebbe etichettarle separatamente come orecchie. Questa incoerenza può confondere il modello e influire sulla sua capacità di apprendere correttamente.

Ecco una rapida panoramica delle caratteristiche di un dataset di computer vision ideale:

• Etichette chiare: ogni immagine è annotata accuratamente con etichette coerenti e precise.
• Dati diversificati: il dataset include oggetti, sfondi, condizioni di illuminazione e angolazioni differenti, per aiutare il modello a funzionare bene in situazioni diverse.
• Immagini ad alta risoluzione: immagini nitide e dettagliate facilitano l'apprendimento e il riconoscimento delle caratteristiche da parte del modello.

Ultralytics supporta diversi dataset#

I modelli Ultralytics YOLO, come YOLO11, sono progettati per funzionare con dataset in uno specifico formato di file YOLO. Sebbene sia facile convertire i tuoi dati in questo formato, offriamo anche un'opzione semplice per chi vuole iniziare subito a sperimentare.

Il pacchetto Python di Ultralytics supporta un'ampia gamma di dataset di computer vision, permettendoti di iniziare a lavorare su progetti che utilizzano attività come il rilevamento degli oggetti, la segmentazione delle istanze o la stima della posa senza alcuna configurazione aggiuntiva.

Gli utenti possono accedere facilmente a dataset pronti all'uso come COCO, DOTA-v2.0, Open Images V7 e ImageNet specificando il nome del dataset come uno dei parametri nella funzione di addestramento. In questo modo, il dataset viene scaricato e preconfigurato automaticamente, così puoi concentrarti sulla creazione e sul perfezionamento dei tuoi modelli.

I 5 migliori dataset di computer vision nel 2025#

I progressi nell'AI per la computer vision dipendono da dataset diversificati e su larga scala, che promuovono l'innovazione e rendono possibili nuove scoperte. Esaminiamo alcuni dei dataset più importanti, supportati da Ultralytics, che stanno influenzando i modelli di computer vision.

Dataset ImageNet#

ImageNet, creato da Fei-Fei Li e dal suo team presso la Princeton University nel 2007 e presentato nel 2009, è un grande dataset con oltre 14 milioni di immagini etichettate. È ampiamente utilizzato per addestrare sistemi al riconoscimento e alla categorizzazione di oggetti diversi. La sua struttura organizzata lo rende particolarmente utile per insegnare ai modelli a classificare accuratamente le immagini. Sebbene sia ben documentato, si concentra principalmente sulla classificazione delle immagini e non dispone di annotazioni dettagliate per attività come il rilevamento degli oggetti.

Ecco alcuni dei principali punti di forza di ImageNet:

• Diversità: con immagini appartenenti a oltre 20.000 categorie, ImageNet offre un dataset ampio e variegato che migliora l'addestramento e la generalizzazione del modello.
• Organizzazione strutturata: le immagini sono meticolosamente categorizzate utilizzando la gerarchia WordNet, facilitando il recupero efficiente dei dati e l'addestramento sistematico dei modelli.
• Documentazione completa: anni di ricerca e di studio rendono ImageNet accessibile sia ai principianti sia agli esperti, fornendo informazioni e indicazioni preziose per i progetti di computer vision.

Tuttavia, come ogni dataset, presenta dei limiti. Ecco alcune delle difficoltà da considerare:

• Esigenze computazionali: le sue dimensioni enormi possono creare difficoltà ai team più piccoli con risorse di calcolo limitate.
• Mancanza di dati temporali: poiché contiene solo immagini statiche, potrebbe non soddisfare le esigenze delle applicazioni che richiedono dati video o basati sul tempo.
• Immagini obsolete: alcune immagini del dataset sono datate e potrebbero non rappresentare oggetti, stili o ambienti attuali, riducendone potenzialmente la rilevanza per le applicazioni moderne.

Dataset DOTA-v2.0#

Il dataset DOTA-v2.0, dove DOTA sta per Dataset per il rilevamento di oggetti in immagini aeree, è un'ampia raccolta di immagini aeree creata appositamente per il rilevamento degli oggetti con bounding box orientate (OBB). Nel rilevamento OBB, le bounding box ruotate vengono utilizzate per allinearsi più accuratamente all'orientamento effettivo degli oggetti nell'immagine. Questo metodo è particolarmente efficace per le immagini aeree, in cui gli oggetti appaiono spesso con angolazioni diverse, consentendo una localizzazione più precisa e un rilevamento complessivamente migliore.

Questo dataset è composto da oltre 11.000 immagini e più di 1,7 milioni di bounding box orientate distribuite in 18 categorie di oggetti. Le immagini hanno dimensioni comprese tra 800×800 e 20.000×20.000 pixel e includono oggetti come aeroplani, navi ed edifici.

Fig. 2. Esempi di immagini e annotazioni dal dataset DOTA-v2.0. Immagine dell'autore.

Grazie alle sue annotazioni dettagliate, DOTA-v2.0 è diventato una scelta popolare per i progetti di telerilevamento e sorveglianza aerea. Ecco alcune delle caratteristiche principali di DOTA-v2.0:

• Categorie di oggetti diversificate: copre molti tipi di oggetti diversi, come veicoli, porti e serbatoi di stoccaggio, offrendo ai modelli esempi di vari oggetti del mondo reale.
• Annotazioni di alta qualità: annotatori esperti hanno fornito bounding box orientate con precisione, che mostrano chiaramente forme e direzioni degli oggetti.
• Immagini multiscala: il dataset include immagini di dimensioni diverse, aiutando i modelli a imparare a rilevare oggetti sia su scala ridotta sia su scala grande.

Sebbene DOTA-v2 abbia molti punti di forza, ecco alcuni limiti che gli utenti dovrebbero tenere presenti:

• Passaggi aggiuntivi per il download: a causa del modo in cui il dataset DOTA viene mantenuto, DOTA-v2.0 richiede un passaggio aggiuntivo di configurazione. Devi prima scaricare le immagini di DOTA-v1.0 e poi aggiungere le immagini extra e le annotazioni aggiornate di DOTA-v2.0 per completare il dataset.
• Annotazioni complesse: le bounding box orientate possono richiedere uno sforzo aggiuntivo durante la gestione nel corso dell'addestramento del modello.
• Ambito limitato: DOTA-v2 è progettato per le immagini aeree, il che lo rende meno utile per le attività generiche di rilevamento degli oggetti al di fuori di questo ambito.

Dataset Roboflow 100#

Il dataset Roboflow 100 (RF100) è stato creato da Roboflow con il supporto di Intel. Può essere utilizzato per testare e valutare le prestazioni dei modelli di rilevamento degli oggetti. Questo dataset di benchmark include 100 dataset diversi selezionati da oltre 90.000 dataset pubblici. Contiene più di 224.000 immagini e 800 classi di oggetti provenienti da settori come sanità, immagini aeree e videogiochi.

Ecco alcuni dei principali vantaggi dell'utilizzo di RF100:

• Ampia copertura dei domini: include dataset provenienti da sette ambiti, come imaging medico, immagini aeree ed esplorazione subacquea.
• Favorisce il miglioramento dei modelli: la variabilità e le difficoltà specifiche dei domini presenti in RF100 evidenziano le lacune dei modelli attuali, indirizzando la ricerca verso soluzioni di rilevamento degli oggetti più adattabili e robuste.
• Formato delle immagini coerente: tutte le immagini vengono ridimensionate a 640x640 pixel. Questo aiuta gli utenti ad addestrare i modelli senza dover modificare le dimensioni delle immagini.

Nonostante i suoi punti di forza, RF100 presenta anche alcuni svantaggi da tenere presenti:

• Limitato in termini di attività: RF100 è progettato per il rilevamento degli oggetti, quindi non supporta attività come segmentazione o classificazione.
• Orientamento incentrato sul benchmarking: RF100 è progettato principalmente come strumento di benchmarking e non per addestrare modelli destinati ad applicazioni del mondo reale, pertanto i suoi risultati potrebbero non tradursi pienamente in scenari di distribuzione pratici.
• Variabilità delle annotazioni: poiché RF100 aggrega dataset ottenuti dal crowdsourcing, possono esserci incoerenze nella qualità delle annotazioni e nelle pratiche di etichettatura, che potrebbero influire sulla valutazione e sull'ottimizzazione del modello.

Dataset COCO (Oggetti comuni nel contesto)#

Il dataset COCO è uno dei dataset di computer vision più utilizzati, con oltre 330.000 immagini dotate di annotazioni dettagliate. È progettato per il rilevamento degli oggetti, la segmentazione e la generazione di didascalie per immagini, il che lo rende una risorsa preziosa per molti progetti. Le sue etichette dettagliate, tra cui bounding box e maschere di segmentazione, aiutano i sistemi a imparare ad analizzare le immagini con precisione.

Questo dataset è noto per la sua flessibilità ed è utile per varie attività, dai progetti semplici a quelli complessi. È diventato uno standard nel campo dell'AI per la computer vision e viene utilizzato frequentemente in sfide e competizioni per valutare le prestazioni dei modelli.

Tra i suoi punti di forza troviamo:

• Dati diversificati e realistici: il dataset include immagini di scenari del mondo reale con più oggetti, occlusioni e condizioni di illuminazione variabili.
• Ampia adozione da parte della community e della ricerca: utilizzato nelle principali competizioni di machine learning e nella ricerca, il dataset COCO dispone di una documentazione completa, modelli preaddestrati e il supporto di una community attiva.
• Annotazioni ricche e dettagliate: il dataset COCO fornisce annotazioni molto dettagliate, tra cui segmentazione degli oggetti, punti chiave e didascalie, rendendolo ideale per i progetti che richiedono una comprensione visiva precisa.

Ecco anche alcuni fattori limitanti di cui essere consapevoli:

• Elevati requisiti computazionali: a causa delle sue dimensioni e complessità, l'addestramento dei modelli su COCO può richiedere risorse computazionali significative, risultando difficile per i team con hardware limitato.
• Squilibrio dei dati: alcune categorie di oggetti hanno un numero di immagini significativamente maggiore rispetto ad altre, il che può introdurre distorsioni nell'addestramento del modello.
• Struttura delle annotazioni complessa: le annotazioni dettagliate del dataset, sebbene preziose, possono risultare difficili da gestire per i principianti o per i team più piccoli che non hanno esperienza nell'utilizzo di dataset strutturati per l'AI nella computer vision.

Dataset Open Images V7#

Open Images V7 è un enorme dataset open source curato da Google, con oltre 9 milioni di immagini annotate per 600 categorie di oggetti. Include diversi tipi di annotazione ed è ideale per affrontare attività complesse di computer vision. Le sue dimensioni e la sua profondità forniscono una risorsa completa per l'addestramento e il test dei modelli di computer vision.

Fig. 3. Uno sguardo al dataset Open Images V7. Immagine dell'autore.

Inoltre, la popolarità del dataset Open Images V7 nella ricerca offre numerose risorse ed esempi da cui gli utenti possono imparare. Tuttavia, le sue enormi dimensioni possono rendere il download e l'elaborazione dispendiosi in termini di tempo, soprattutto per i team più piccoli. Un altro problema è che alcune annotazioni potrebbero essere incoerenti, richiedendo uno sforzo aggiuntivo per pulire i dati; inoltre, l'integrazione non è sempre immediata e potrebbe essere necessaria un'ulteriore preparazione.

Scegliere il dataset giusto#

Scegliere il dataset giusto è una parte importante per preparare al successo il tuo progetto di computer vision. La scelta migliore dipende dall'attività specifica: trovare un buon abbinamento aiuta il modello ad apprendere le competenze corrette. Il dataset dovrebbe inoltre integrarsi facilmente con i tuoi strumenti, così puoi concentrarti maggiormente sulla creazione del modello e meno sulla risoluzione dei problemi.

Fig. 4. Fattori per scegliere il dataset giusto. Immagine dell'autore.

Punti chiave#

I dataset di alta qualità sono la spina dorsale di qualsiasi modello di computer vision e aiutano i sistemi a imparare a interpretare accuratamente le immagini. I dataset diversificati e ben annotati sono particolarmente importanti, perché consentono ai modelli di funzionare in modo affidabile negli scenari del mondo reale e riducono gli errori causati da dati limitati o di scarsa qualità.

Ultralytics semplifica il processo di accesso e utilizzo dei dataset di computer vision, rendendo più facile trovare i dati giusti per il tuo progetto. Scegliere il dataset giusto è un passaggio fondamentale per creare un modello ad alte prestazioni, che porta a risultati più precisi e incisivi.

Unisciti alla nostra community ed esplora il nostro repository GitHub per saperne di più sull'AI. Scopri progressi come la computer vision per la sanità e l'AI nelle auto a guida autonoma nelle nostre pagine dedicate alle soluzioni. Dai un'occhiata alle nostre opzioni di licenza e fai oggi il primo passo per iniziare a utilizzare la computer vision!