Alla scoperta dei migliori dataset di visione artificiale nel 2025

Sapevi che i dati sono coinvolti in quasi tutto ciò che fai ogni giorno? Guardare un video, scattare una foto o consultare Google Maps contribuisce al flusso costante di informazioni raccolte da oltre 75 miliardi di dispositivi connessi. Questi dati costituiscono le basi dell'intelligenza artificiale (AI). Infatti, i modelli avanzati di computer vision come Ultralytics YOLO11 si basano sui 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. Conta di più quanto siano ben organizzati e preparati. Se un dataset è disordinato o incompleto, può causare errori. I dataset puliti e diversificati, invece, aiutano i modelli di visione artificiale a ottenere prestazioni migliori, sia nel riconoscere oggetti in mezzo alla folla sia nell'analizzare immagini complesse. I dataset di alta qualità fanno davvero la differenza.

In questo articolo esamineremo i migliori dataset di visione artificiale del 2025 e vedremo come contribuiscono a creare modelli di visione artificiale più accurati ed efficienti.

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 nei dati.

Possono essere usati per addestrare modelli di computer vision, aiutandoli a migliorare in attività come il riconoscimento dei volti, il rilevamento degli oggetti o l'analisi delle scene. Più il dataset è ben organizzato, diversificato e preciso, migliori saranno le prestazioni del modello di IA visiva, dando vita a tecnologie più intelligenti e utili nella vita quotidiana.

Come creare un dataset di computer vision#

Creare un dataset di visione artificiale è come preparare appunti per insegnare a qualcuno a vedere e comprendere il mondo. Si parte raccogliendo immagini e video adatti all'applicazione specifica che si sta sviluppando.

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

Fig. 1. Creare il dataset di visione ideale. 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'IA possa capire cosa contiene ciascuna immagine o ciascun video.

Le etichette possono includere nomi di oggetti, posizioni, confini o altri dettagli pertinenti che aiutano ad addestrare il modello a riconoscere e interpretare le informazioni visive con precisione. L'etichettatura dei dati trasforma una semplice raccolta di immagini in un dataset strutturato, utilizzabile per addestrare un modello di computer vision.

L'addestramento dei modelli richiede dati di alta qualità#

Ti starai chiedendo cosa rende un dataset di alta qualità. Sono molti i fattori coinvolti, tra cui la precisione delle etichette, la diversità e la 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 indicarle separatamente come orecchie. Questa incoerenza può confondere il modello e compromettere la sua capacità di apprendere correttamente.

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

• Etichette chiare: ogni immagine è annotata con etichette precise e coerenti.
• Dati diversificati: il dataset include oggetti, sfondi, condizioni di illuminazione e angolazioni diversi, per aiutare il modello a funzionare bene in varie situazioni.
• 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 lavorare con dataset in uno specifico formato di file YOLO. Convertire i propri dati in questo formato è semplice, ma offriamo anche un'opzione più immediata per chi vuole iniziare subito a sperimentare.

Il pacchetto Python di Ultralytics supporta un'ampia gamma di dataset di computer vision e ti permette di iniziare progetti con attività come il rilevamento degli oggetti, la segmentazione delle istanze o la stima della posa senza bisogno di configurazioni aggiuntive.

Gli utenti possono accedere facilmente a dataset pronti all'uso come COCO, DOTA (v1.0 e v1.5), Open Images V7 e ImageNet specificando il nome del dataset come parametro della 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 del 2025#

I progressi nell'IA visiva si basano su dataset ampi e diversificati, che stimolano l'innovazione e rendono possibili nuove scoperte. Scopriamo 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 alla 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 a riconoscere e classificare oggetti diversi. La sua struttura lo rende particolarmente utile per insegnare ai modelli a classificare le immagini con precisione. Ben documentato, si concentra principalmente sulla classificazione delle immagini e non include annotazioni dettagliate per attività come il rilevamento degli oggetti.

Ecco alcuni dei principali punti di forza di ImageNet:

• Diversità: con immagini che coprono oltre 20.000 categorie, ImageNet offre un dataset ampio e variegato, che migliora l'addestramento e la capacità di generalizzazione dei modelli.
• Organizzazione strutturata: le immagini sono classificate meticolosamente secondo la gerarchia di WordNet, facilitando il recupero efficiente dei dati e l'addestramento sistematico dei modelli.
• Documentazione completa: la ricerca approfondita e anni di studio rendono ImageNet accessibile sia ai principianti sia agli esperti, offrendo informazioni e indicazioni preziose per i progetti di visione artificiale.

Tuttavia, come qualsiasi dataset, presenta alcuni limiti. Ecco alcune delle sfide da considerare:

• Esigenze computazionali: le sue dimensioni considerevoli possono rappresentare una sfida per i team più piccoli con risorse di calcolo limitate.
• Assenza di dati temporali: poiché contiene solo immagini statiche, potrebbe non soddisfare le esigenze delle applicazioni che richiedono video o dati basati sul tempo.
• Immagini obsolete: alcune immagini del dataset sono datate e potrebbero non rappresentare gli oggetti, gli stili o gli 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 degli oggetti nelle 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 usate per allinearsi più accuratamente all'orientamento effettivo degli oggetti nell'immagine. Questo metodo funziona particolarmente bene con le immagini aeree, in cui gli oggetti appaiono spesso con angolazioni diverse, consentendo una localizzazione più precisa e un rilevamento complessivamente migliore.

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

Fig. 2 Esempi di immagini e annotazioni del 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, come veicoli, porti e serbatoi di stoccaggio, offrendo ai modelli esempi di diversi oggetti del mondo reale.
• Annotazioni di alta qualità: gli 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 piccola sia su grande scala.

DOTA-v2 presenta molti punti di forza, ma ha anche alcuni limiti da tenere presenti:

• Passaggi aggiuntivi per il download: a causa delle modalità di manutenzione del dataset DOTA, DOTA-v2.0 richiede un passaggio aggiuntivo di configurazione. Per completare il dataset, devi prima scaricare le immagini di DOTA-v1.0 e poi aggiungere le immagini supplementari e le annotazioni aggiornate di DOTA-v2.0.
• Annotazioni complesse: la gestione delle bounding box orientate durante l'addestramento dei modelli può richiedere un impegno aggiuntivo.
• Ambito limitato: DOTA-v2 è progettato per le immagini aeree, quindi è 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 usato per testare e valutare le prestazioni dei modelli di rilevamento degli oggetti. Questo dataset di benchmark include 100 dataset diversi selezionati tra oltre 90.000 dataset pubblici. Contiene più di 224.000 immagini e 800 classi di oggetti in ambiti come la sanità, le viste aeree e il gaming.

Ecco alcuni dei principali vantaggi dell'utilizzo di RF100:

• Ampia copertura di ambiti: include dataset provenienti da sette settori, come l'imaging medico, le viste aeree e l'esplorazione subacquea.
• Favorisce il miglioramento dei modelli: la variabilità e le sfide specifiche dei diversi ambiti presenti in RF100 mettono in luce le lacune dei modelli attuali, stimolando la ricerca di soluzioni per il rilevamento degli oggetti più adattabili e robuste.
• Formato delle immagini uniforme: tutte le immagini vengono ridimensionate a 640x640 pixel. Questo permette di 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 rispetto alle attività supportate: RF100 è progettato per il rilevamento degli oggetti e non è quindi adatto ad attività come la segmentazione o la classificazione.
• Incentrato sul benchmarking: RF100 è progettato principalmente come strumento di benchmarking, non per addestrare modelli destinati ad applicazioni del mondo reale; i suoi risultati potrebbero quindi non essere del tutto rappresentativi degli scenari di distribuzione pratica.
• Variabilità delle annotazioni: poiché RF100 raccoglie dataset annotati tramite crowdsourcing, la qualità delle annotazioni e le pratiche di etichettatura possono risultare incoerenti, con possibili ripercussioni sulla valutazione e sulla messa a punto dei modelli.

Dataset COCO (Oggetti comuni nel contesto)#

Il dataset COCO è uno dei dataset di computer vision più utilizzati e offre oltre 330.000 immagini con annotazioni dettagliate. È progettato per il rilevamento degli oggetti, la segmentazione e la generazione di didascalie per le immagini, ed è quindi una risorsa preziosa per molti progetti. Le sue etichette dettagliate, comprese le bounding box e le 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 attività di ogni tipo, dai progetti semplici a quelli complessi. È diventato uno standard nel campo dell'IA visiva e viene spesso utilizzato in sfide e competizioni per valutare le prestazioni dei modelli.

Tra i suoi punti di forza ci sono:

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

Ecco anche alcuni limiti da tenere presenti:

• Elevati requisiti computazionali: a causa delle dimensioni e della complessità, l'addestramento dei modelli su COCO può richiedere notevoli risorse di calcolo, risultando impegnativo per i team con hardware limitato.
• Squilibrio dei dati: alcune categorie di oggetti hanno molte più immagini di altre, il che può introdurre distorsioni nell'addestramento dei modelli.
• Struttura delle annotazioni complessa: le annotazioni dettagliate del dataset, per quanto preziose, possono risultare difficili da gestire per i principianti o i team più piccoli che non hanno esperienza con dataset strutturati di IA visiva.

Dataset Open Images V7#

Open Images V7 è un enorme dataset open source curato da Google, che comprende oltre 9 milioni di immagini con annotazioni per 600 categorie di oggetti. Include vari tipi di annotazione ed è ideale per affrontare attività di computer vision complesse. L'ampiezza e la ricchezza del dataset lo rendono una risorsa completa per addestrare e testare 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 agli utenti numerose risorse ed esempi da cui imparare. Tuttavia, le sue dimensioni considerevoli possono rendere il download e l'elaborazione lunghi, soprattutto per i team più piccoli. Un altro problema è che alcune annotazioni potrebbero essere incoerenti, rendendo necessario un lavoro aggiuntivo di pulizia dei dati; inoltre, l'integrazione non è sempre immediata e potrebbe richiedere ulteriore preparazione.

Scegliere il dataset giusto#

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

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

Punti chiave#

I dataset di alta qualità sono alla base di qualsiasi modello di computer vision e aiutano i sistemi a interpretare le immagini con precisione. I dataset diversificati e ben annotati sono particolarmente importanti, perché permettono ai modelli di funzionare in modo affidabile negli scenari reali e riducono gli errori causati da dati limitati o di scarsa qualità.

Ultralytics semplifica il processo di accesso e utilizzo dei dataset di visione artificiale, rendendo più facile trovare i dati giusti per il tuo progetto. Scegliere il dataset giusto è un passaggio cruciale per creare un modello dalle prestazioni elevate e ottenere risultati più precisi e significativi.

Unisciti alla nostra community ed esplora il nostro repository GitHub per saperne di più sull'IA. Scopri i progressi in ambiti come la computer vision in ambito sanitario e l'IA 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 usare la computer vision!