PartImageNet是发表在ECCV2022的论文，提出了一个当前类别及图像数目最多的物体part级标注数据集。
PartImageNet: A Large, High-Quality Dataset of Parts
paper: https://arxiv.org/abs/2112.00933
code: https://github.com/TACJu/PartImageNet
数据集下载链接在GitHub上已放出，可以下载。
PartImageNet数据集中包含158个类别，总共24095张图像，每张图像中包含单个物体的部件级标注，标注示例如下图所示。
该数据集的具体类别信息如下表所示，158个子类别分属11个大类，每个大类中子类的数目在括号中给出，而同一个大类中的子类所标注的part类别是一样的。以Fish大类为例，含有10个子类，每个类别的物体的part类别为Head、Body、Fin和Tail。
在158个类别中，有118个非刚体类别（如狗），另外40个是刚体类别（如汽车）。此外，该数据集还提供了更为细粒度的分类信息，如下图所示。举例：Quadruped → Dog → Gordon setter。
针对部件分割（Semantic Part Segmentation）任务，数据集按照85%、5%、10%来划分，具体信息如下：
顺便看一下现有方法在该任务上的性能指标，如下：
针对小样本学习（Few-shot Learning）任务，数据集按照类别数109、19、30来划分，具体信息如下：
