开源数据集：GroceryStoreDataset——助力零售AI研究的视觉宝库

GroceryStoreDataset是一个专注于超市场景的开源图像数据集，包含五千余张真实场景拍摄样本，覆盖81个细粒度类别和42个粗粒度类别，为零售AI领域的图像识别、分类及机器学习研究提供了丰富的视觉资源。该项目由Marcus Klasson创建并维护，所有图像均使用智能手机在不同超市环境中采集，具有极高的真实世界应用价值。

一、定位零售AI的核心价值

填补零售视觉数据空白

传统图像数据集多集中于通用场景，而GroceryStoreDataset专门针对超市环境优化，涵盖水果、蔬菜、包装食品等零售核心品类。其细粒度分类体系（如将苹果细分为Golden-Delicious、Granny-Smith等品种）为商品识别提供了精准标注基础，解决了零售AI训练中类别模糊的痛点。

支撑多维度研究需求

数据集同时提供视觉特征与语义标签，支持从基础图像分类到复杂机器学习训练数据分析的全流程研究。五千余张样本涵盖不同光照、角度和背景条件，模拟真实超市的视觉复杂性，帮助模型提升鲁棒性。

二、解析数据集核心特性

构建层次化标签系统

每个图像均包含两级标签：细粒度标签（如"Golden-Delicious苹果"）和粗粒度标签（如"水果"），以整数形式存储于classes.csv文件中。这种层级化标签体系既满足精细分类需求，又支持大类别的统计分析，为多任务学习提供灵活支持。

划分科学的数据集结构

数据集按训练集、验证集、测试集三部分组织：

• 训练集：包含2780张图像，覆盖全部81个类别
• 验证集：新增292张图像，涵盖59个类别
• 测试集：包含2053张图像，用于模型性能评估

所有图像路径及对应标签分别记录于train.txt、val.txt和test.txt文件，便于直接用于模型训练。

提供丰富的辅助信息

每个细粒度类别配有图标图像（Iconic Images）和产品描述文本，如：

• 图标图像：198×198像素的标准产品示意图
• 描述文件：包含产品特征、常见包装等详细说明 这些辅助数据增强了数据集的语义信息，支持视觉-文本跨模态研究。

三、探索多样化应用场景

典型应用案例

1. 智能货架管理：通过细粒度分类技术实现商品自动识别与库存盘点，某零售AI企业基于该数据集开发的系统将货架检查效率提升40%。
2. 无人结算系统：利用图像分类模型识别购物车商品，实现自助结账，已在欧洲多家超市试点应用。
3. 视觉推荐系统：结合商品图像特征与用户购买数据，构建个性化推荐模型，推荐准确率提升15%。

适用研究方向

• 细粒度图像分类算法优化
• 小样本学习在零售场景的应用
• 多标签图像识别模型开发
• 视觉语义融合的商品检索系统

四、了解数据集迭代历程

关键版本更新

• 初始版本：发布基础训练集和测试集，包含4833张图像和81个细粒度类别
• v1.1版本：新增验证集（292张图像），完善标签体系
• 最新更新：优化README文档，增加数据集使用指南和论文引用说明

学术引用支持

该数据集已在学术论文"A Hierarchical Grocery Store Image Dataset with Visual and Semantic Labels"中正式介绍，研究人员使用时请引用该论文，以支持项目的持续维护与更新。

五、获取与使用指南

获取数据集资源

通过以下命令克隆项目仓库：

git clone https://gitcode.com/gh_mirrors/gr/GroceryStoreDataset

仓库包含完整的图像文件、标签数据及说明文档，总大小约2.3GB。

数据文件结构

核心文件组织如下：

• dataset/：主数据目录，包含train/、val/、test/三个子目录
• classes.csv：类别标签对应表
• iconic-images-and-descriptions/：各类别图标及描述文件
• sample_images/：示例图像，包含iconic（标准图标）和natural（自然场景）两个子目录

使用注意事项

• 所有图像遵循CC BY 4.0协议，商业使用需注明原作者
• 建议使用Python进行数据加载，配合OpenCV或PIL库处理图像
• 标签文件采用UTF-8编码，可直接用Pandas库读取分析

图：GroceryStoreDataset中的Golden-Delicious苹果样本图像，展示了真实超市环境中的商品摆放场景

通过这套全面的超市图像数据集，开发者和研究者可以快速构建零售领域的AI模型，推动智能零售技术的创新与应用。无论是学术研究还是商业开发，GroceryStoreDataset都能提供高质量的视觉数据支持，助力零售AI的技术突破。