训练商品图抠图、主体分割模型时，数据集的许可协议比精度榜单更容易踩坑：这个领域最常被引用的一批经典数据集（DUTS、COD10K 系）全部标注”仅供研究用途”，而真正能用于商用训练的，是近几年出现的合成数据集和少数宽松协议数据集。
本文整理了抠图/二分图像分割（DIS，Dichotomous Image Segmentation，即把图像严格分为前景/背景两类的任务）方向 10 个开源数据集的规模、标注格式与许可状态，每一条协议结论都来自 LICENSE 文件或数据集卡原文，而不是二手转述。
调研快照：2026-10-17
所有链接与许可均经逐仓库一手核验（GitHub LICENSE / HuggingFace 数据卡 / 官方站）
可商用类快速索引
| 类型 | 数据集 | 协议（可否商用） | 数据种类 | 下载 |
|---|---|---|---|---|
| 合成 | S3OD | MIT（✅ 商用） | 140K 合成场景图+mask+类别+图注 | HF datasets ｜ GitHub |
| 合成 | MaskFactory | MIT（✅ 商用） | 合成 DIS 图+mask 对 | HF datasets ｜ 论文 arXiv:2412.19080 |
| 真实 | DIS5K | Apache-2.0（✅ 倾向商用，数据下载页无限制条款） | 5,470 张精标结构图 | GitHub（README 内 Drive/百度盘） |
| 真实 | P3M-10K | MIT（✅ 倾向商用） | 10K 人像 matting 对 | GitHub（Drive 直链） |
| 真实 | anime-segmentation | CC0-1.0（✅ 最宽松） | 1,111 对动漫角色+mask | HF datasets ｜ GitHub |
研究限用（不可商用）：DUTS、COD10K、UHRSD、HRSOD、CAMO——详见下文逐个说明与文末全量表。
S3OD — 140K 合成图文对，合成数据里的商用主力
用游戏引擎渲染场景再自动生成 mask 的合成显著目标数据集（SOD，Salient Object Detection），每条样本带类别名与英文图注，是少见的”mask+类别+描述”三合一格式。软边缘 alpha 质量（不是粗糙的二值块），光影一致性好。
标注格式（HF parquet，5 列 schema）：
image | mask | image_id | category | caption
# image/mask: 图像二进制；category: 类别名（如 reflex_camera）
# caption: 英文场景描述（可兼做图文预训练源）建议运用方向：抠图模型的商用训练底座（许可干净、量大）；caption 列让它同时能当图文对齐任务的辅助数据。
anime-segmentation — CC0 协议，零顾虑
动漫角色抠图数据集，训练包 imgs-masks.zip（173.8MB）内 imgs/ 与 masks/ 同名配对共 1,111 对；另有前景/背景合成源区（fg-/bg- zip 共 17GB+）可用于数据增广。数据集卡明确 CC0-1.0——比 MIT 更宽松，商用、改作、再分发均无义务。
标注格式：同名配对文件（imgs/000285.jpg ↔ masks/000285.jpg），无类别标签。
建议运用方向：ACG 内容工具（头像/周边/立绘）的抠图微调；CC0 属性使它成为”数据许可焦虑”场景下的首选测试床。
DIS5K — 精细结构标注的标杆，Apache 倾向
二分图像分割（DIS）方向的基准数据集，5,470 张互联网结构图（绳索、网具、毛发、镂空等精细边界），训练/验证/测试划分 3,000/470/2,000。仓库 Apache-2.0，README 无非商用条款——在真实场景精标数据里属于罕见的宽松口径（下载页如后续追加条款，以页面为准）。
标注格式：图 + 二值/软 mask 对，评测用 S-measure（结构相似度指标）体系。
建议运用方向：精细边界抠图（工业品/服饰镂空/线缆）的训练主力；与合成集混训时作为”真实分布锚”。
P3M-10K — 人像 matting，10K 级
合成主体（3D 人像）+ 真实模糊背景构成的人像 matting（预测每像素透明度）数据集，配套 P3M-500-NP 无标注测试集。仓库 MIT。
标注格式：图 + alpha matte（灰度透明度，非二值）。
建议运用方向：人像抠图/证件照/虚拟背景；电商模特图的发丝边缘质量来源。
MaskFactory — 合成 DIS 数据工厂
不发布”拍摄”数据，而是提供一套合成管线：组合刚性（rigid，几何变换）与非刚性（non-rigid，形变/生成式编辑）的 mask 编辑技术，从种子集自动量产图+mask 对。HF 数据卡 MIT。生成链依赖 Stable Diffusion v1.5（OpenRAIL 协议），商用传导边界建议按自家法务口径再确认。
标注格式：沿用 DIS5K 划分的合成图+mask 对（zip 包：DatasetDM.zip 3.0GB / MaskFactorcy.zip 5.7GB）。
建议运用方向：自建合成管线、按目标品类定向扩数据（合成标注零人工成本是其本质优势）。
研究限用组 — DUTS / COD10K / UHRSD / HRSOD / CAMO
这五家是显著性/伪装检测论文的主力基准，也是”看着开源实则不能商用”的典型：
DUTS（TR 10,554 对 + TE 5,020 对，2016）：显著性检测最经典数据集，源图出自 ImageNet/SUN。HF 镜像（nobg/DUTS）明确标注 cc-by-nc-4.0。下图为本机官方 zip 内的实测样例（仅为协议评述引用）：
COD10K（10,202 张，CVPR 2020）：伪装目标检测基准，README 原话 “The COD10K Dataset is made available for non-commercial purposes only”。
UHRSD / HRSOD / CAMO：超高分辨率显著性 / 高分辨率显著性 / 伪装动物，HF 镜像统一 cc-by-nc-4.0 或学术 research 口径。
标注格式：均为图+前景 mask 对（无类别层级）。
建议运用方向：仅限论文复现与内部评测对照；不要将它们混入商用训练数据（许可污染会传导到模型权重）。
全量详细信息表
| 类型 | 数据集 | 规模 | 数据分布 | 标注类别 | 中文/国内场景 | 发布年份 | 项目/论文 | 备注 | 下载 | 协议 |
|---|---|---|---|---|---|---|---|---|---|---|
| 合成 | S3OD | 140K 图 | 游戏引擎渲染多类别（动物/器械/车辆等开放词表类） | 软 alpha + category + caption | 否 | 2025 | GitHub ｜ arXiv:2510.21605 | 图文对三合一 | HF | MIT ✅ |
| 合成 | MaskFactory | DIS 划分同构合成对 | 刚性+非刚性编辑合成 | 图+mask | 否 | 2024 | GitHub ｜ arXiv:2412.19080 | SD-v1.5 生成链注意 | HF | 数据卡 MIT ✅ |
| 真实 | DIS5K | 5,470（3,000/470/2,000） | 互联网结构图（精细边界为主） | 图+mask（软/二值） | 否 | 2022 | GitHub ｜ arXiv:2203.03041 | ECCV 2022；官方样图见 README | repo 内 Drive/百度盘 | Apache 倾向 ✅ |
| 真实 | P3M-10K | 10K 人像（+500 无标注测试） | 合成人像+真实模糊背景 | 图+alpha matte | 否（欧美面孔为主） | 2022 | GitHub | matting（非二值） | repo 内 Drive 直链 | MIT 倾向 ✅ |
| 真实 | anime-segmentation | 1,111 对（+17GB 合成源区） | 动漫角色 | 图+mask 同名配对 | 否（日系 ACG） | 2022 | GitHub | imgs-masks.zip 173.8MB | HF | CC0 ✅ |
| 真实 | DUTS | TR 10,554 + TE 5,020（官方 zip 实测） | ImageNet/SUN 源自然场景 | 图+前景 mask | 否 | 2016 | 官方站 | 经典 SOD 基准 | 官方站 / HF 镜像 | research / cc-by-nc ❌ |
| 真实 | COD10K | 10,202 | 伪装动物+非伪装场景 | 图+mask+类别 | 否 | 2020 | GitHub ｜ CVPR 2020 | README 明示 non-commercial | repo 内 Drive 文件夹 | non-commercial ❌ |
| 真实 | UHRSD | ~5K 超高分辨率 | 4K/8K 高分辨率场景 | 图+mask | 否 | 2022 | HF 镜像 | 超分显著性 | HF 镜像 | cc-by-nc ❌ |
| 真实 | HRSOD | ~2.3K | 高分辨率显著性 | 图+mask | 否 | 2020 | HF 镜像 | 高分辨率 SOD | HF 镜像 | cc-by-nc ❌ |
| 真实 | CAMO | 2,500（伪装 1,250+非伪装 1,250） | 伪装动物 | 图+mask | 否 | 2018 | 经 SINet repo 获取 | 伪装检测早期基准 | repo 内链接 | research ❌ |
补充：模型权重侧同样要查协议——底座 BiRefNet 为 MIT（其 README 中的 non-commercial 字样经上下文核验指向致谢对象 RMBG-2.0），而 RMBG-2.0 权重为 CC BY-NC 4.0（商用需向 BRIA 付费）。
图片说明：拼接样例（原图|Mask）由本机从数据集本体生成；DIS5K/P3M/COD10K/DUTS 单图来自各项目官方发布物，仅作评述引用。
来源与引用
- S3OD：Kupyn et al., “S3OD: Towards Generalizable Salient Object Detection with Synthetic Data”, arXiv:2510.21605, 2025（GitHub README 与 HF 数据卡，访问于 2026-10-17）
- DIS5K：Qin et al., “High-Resolution Dichotomous Image Segmentation”, ECCV 2022（GitHub，访问于 2026-10-17）
- P3M-10K：Li et al., 2022（GitHub，访问于 2026-10-17）
- anime-segmentation：SkyTNT（GitHub/HF，CC0，访问于 2026-10-17）
- MaskFactory：Chen et al., arXiv:2412.19080, 2024（HF 数据卡，访问于 2026-10-17）
- DUTS：Wang et al., 2017（官方站 saliencydetection.net，zip 实测于 2026-10-17）
- COD10K：Fan et al., CVPR 2020（GitHub README 原话引用，访问于 2026-10-17）
发表回复