本文中提到的数据集，已经同步分享在 GitHub，欢迎 ⭐️ + Fork：https://github.com/visioncraft2/cv_dataset

缺陷检测（anomaly detection）

可用于缺陷检测（anomaly detection）的公开数据集：

MVTec AD

Paper: MVTec AD – a comprehensive real-world dataset for unsupervised anomaly detection

MVTec AD 是一个用于基准测试异常检测方法的数据集，重点面向工业检测场景。该数据集包含五个类别，分别是早餐盒、果汁瓶、图钉、螺丝包和拼接连接器。MVTec AD 数据集包含 3629 张训练图片和 1725 张测试图片。

下载: Link

MVTec LOCO (MVTec logical constraints anomaly detection dataset)

Paper: Beyond dents and scratches: Logical constraints in unsupervised anomaly detection and localization.

该数据集包含约 3,644 张图片，其中 1772 张用于训练，304 张用于验证，1568 张用于测试。

下载: Link

VisA

Paper: Spot-the-difference self-supervised pretraining for anomaly detection and segmentation.

VisA 数据集包含 9,621 张正常彩色图片和 1,200 张异常彩色图片，涵盖三个领域中的 12 类物体，这三个领域分别是复杂结构、单一物体和多物体场景。异常图片呈现出多种缺陷，包括划痕、凹陷、色斑或裂纹等表面缺陷，以及错位、部件缺失等逻辑缺陷。

下载: Link

MPDD

Paper: Deep learning-based defect detection of metal parts: evaluating current methods in complex conditions.

MPDD 是一个旨在对工业金属零件制造中的视觉缺陷检测方法进行基准测试的数据集。该数据集包含 1000 多张图像，并配有像素级精度的缺陷标注掩码。数据集分为两个子集：训练子集仅包含无异常样本，验证子集则包含正常样本和异常样本。

下载: Link

BTAD

Paper: VT-ADL: A Vision Transformer Network for Image Anomaly Detection and Localization

BTAD（beanTech Anomaly Detection）是一个真实工业场景下的异常检测数据集。该数据集包含共计 2,830 张真实图像，涵盖 3 种工业产品，展示了其在结构和表面上的缺陷。

下载：link

MTD

Saliency of magnetic tile surface defects

下载：link

MMAD

Paper: MMAD: The First-Ever Comprehensive Benchmark for Multimodal Large Language Models in Industrial Anomaly Detection

MMAD是一个面向工业异常检测的全方位多模态大模型（MLLM）评估基准。我们定义了多模态大模型在工业检测中的七个关键子任务，并设计了一条新颖的数据生成流程，构建了 MMAD 数据集，其中包含 8,366 张工业图像和 39,672 个相关问题。

下载：link