综合汽车（CompCars）数据集包含来自两个场景的数据，包括来自网络性质和监视性质的图像。网络自然数据包含163辆汽车，1,716辆车型。共有136,726张图像捕获整个汽车，27,618张图像捕捉汽车零件。完整的汽车图像标有边界框和视点。每个车型都标有五个属性，包括最大速度，排量，车门数量，座椅数量和汽车类型。监视性质数据包含在前视图中捕获的50,000个汽车图像。有关详细信息，请参阅我们的论文。
（1）提供一个综合平台来验证广泛的有效性计算机视觉算法范围;
（2）促进广泛的新研究课题与“汽车”相关;
（3）在两种情景下进行交叉模态研究。
该数据集为以下计算机视觉任务做好了充分准备：
- 细粒度分类
- 属性预测
- 汽车模型验证
我们论文中介绍的这些任务的训练/测试子集包含在数据集中。研究人员也欢迎将其用于任何其他任务，如图像排名，多任务学习和3D重建。
注意
- 您需要完成发布协议表单才能下载数据集。
- CompCars数据库仅用于非商业研究目的。
- CompCars数据库的所有图像均来自互联网，不属于MMLAB，香港中文大学。MMLAB不对这些图像的内容和含义负责。
- 您同意不会出于任何商业目的复制，出售，交易，转售或利用图像的任何部分以及衍生数据的任何部分。
- 您同意不进一步复制，发布或分发CompCars数据库的任何部分。除了在同一组织内的单个站点内部使用外，允许制作数据库的副本。
- MMLAB保留随时终止您访问数据库的权利。
- 所有使用CompCars数据库提交的论文或任何公开文本都必须引用以下文章：
Linjie Yang，Ping Luo，Chen Change Loy，Xiaoou Tang。用于细粒度分类和验证的大规模汽车数据集，计算机视觉和模式识别（CVPR），2015年。
