1 、数据集名称：INSTRE数据集（实例图像识别与搜索数据集）

      数据集描述及简介：整个数据集分成两个不相交的子集，INSTRE-S和INSTRE-M。INSTRE-S包含200个单标签类和23070张图片,是建立在测量单一对象的情况下,只有一个特定的对象实例出现在图像中。INSTRE-M包含50个二元组和5473张图片，是建立在测量多个对象的情况下，每张图像显示两个不同的对象实例。

      发布时间：2015年1月3号

      下载地址或获取方式：http://123.57.42.89/instre/home.html

      论文引用：Shuang Wang, Shuqiang Jiang: INSTRE: A New Benchmark for Instance-Level Object Retrieval and Recognition. TOMCCAP 11(3): 37:1-37:21 (2015)

      数据集贡献者：王双，蒋树强

2 、数据集名称：Geolocation-food数据集

      数据集描述及简介：选取了六个地区，共117504张图片。其中，北京187家餐馆，1173道菜，45541张图片。上海198家餐馆，1253道菜，37590张图片。天津78个餐馆，435道菜，10811张图片。南京64个餐馆，328道菜，7895张图片。杭州62家餐馆，371道菜，9124张图片。广州57家餐馆，272道菜，6543张图片。

      发布时间：2014年

      下载地址或获取方式： https://pan.baidu.com/s/1MBYtqauOVdAE_TEfdQ499g  提取码: 67e4

      论文引用：Ruihan Xu, Luis Herranz, Shuqiang Jiang, Shuang Wang, Xinhang Song, Ramesh Jain: Geolocalized Modeling for Dish Recognition. IEEE Trans. Multimedia 17(8): 1187-1199 (2015)

      数据集贡献者：徐瑞邯，蒋树强，Luis Herranz

3 、数据集名称：HOD数据集

      数据集描述及简介： HOD中的数据使用Kinect采集（距地面约1.5米），总共包含12800视频帧。对于每个帧，我们捕获一个RGB图像，一个深度图和人类的骨架数据（使用KinectAPI获得）。数据集包括16个常用手持物体类别，每个类别包含4个实例（总共64个对象实例）。两个不同的用户在两个不同的场景中采集数据。每个实例采集四次，对应于不同用户和不同场景的四个组合。对于每个组合，我们捕获50帧（640×480像素，30fps，子采样比率1/30）图像，因此，每个实例总共采集200帧，每个对象类别采集800帧。在数据收集过程中，手持对象的姿态和距离是变化的，因此数据集覆盖每个对象的多个视图。

      发布时间：2015年

      下载地址或获取方式：http://123.57.42.89/hod/home.html

      论文引用：Xiong Lv, Shuqiang Jiang, Luis Herranz, Shuang Wang, RGB-D Hand-Held Object Recognition Based on Heterogeneous Feature Fusion. J. Comput. Sci. Technol. 30(2): 340-352 (2015)

      数据集贡献者：王双，刘爽，蒋树强