Unsplash 数据集

Unsplash 数据集由超过 35 万名全球贡献摄影师的作品组成，并基于数亿次搜索数据构建，适用于几乎无限的使用场景和背景。由于 Unsplash 数据集中包含了广泛的意图和语义信息，它为研究和学习提供了全新的机会。

Unsplash 数据集分为两个版本：

• 精简版数据集：可用于商业及非商业用途，包含 2.5 万张自然主题的 Unsplash 照片、2.5 万个关键词以及 100 万条搜索记录。
• 完整版数据集：仅限非商业用途，包含 650 多万张高质量 Unsplash 照片、100 万个关键词以及超过 1.6 亿条搜索记录。

随着 Unsplash 图库的不断增长，我们将定期发布数据集更新，增加新字段和新图片，每次发布都会采用 语义化版本控制。

我们欢迎对数据集内容或格式的任何反馈。借助您的意见，我们希望能够缩小现有数据与您所需数据之间的差距。您可以通过 提交问题 来报告问题，或告诉我们您希望在下一次数据集发布中看到的内容。

欲了解更多关于 Unsplash 数据集的信息，请参阅 我们的公告 和 官方网站。

下载

精简版数据集

精简版数据集包含与完整版相同的所有字段，但仅限于约 2.5 万张照片。您可以将其用于商业或非商业用途，前提是遵守 使用条款。

⬇️ 下载精简版数据集 [压缩后约 700MB，原始数据约 1GB]

完整版数据集

完整版数据集仅限非商业用途，所有使用均需遵守 使用条款。如需访问，请前往 unsplash.com/data 并申请权限。该数据集压缩后约 20GB（原始数据约 80GB）。

文档

请参阅 文档以获取完整的表和字段列表。

使用方法

您可以参考以下示例，以常见格式加载数据集：

• 在 PostgreSQL 数据库中加载数据集
• 在 Python 环境中加载数据集
• 提交示例文档

分享您的成果

我们开放并提供这些数据，旨在帮助研究人员和开发者从数据中发现有趣且有用的关系。

我们非常期待看到您的创作成果，无论是研究论文、机器学习模型、博客文章，还是仅仅是对数据的有趣发现。请发送邮件至 data@unsplash.com。

如果您在研究论文中使用了该数据集，可以将其标注为 Unsplash Lite Dataset 1.3.0 或 Unsplash Full Dataset 1.3.0，并链接至永久地址 unsplash.com/data。

---

Unsplash 数据集仅供研究目的使用。不得用于重新分发其中包含的图片。如需在产品中使用 Unsplash 图库，请参阅 Unsplash API。

Unsplash Dataset 快速上手指南

Unsplash Dataset 是一个包含数百万张高质量图片、关键词及搜索数据的大型开源数据集，适用于计算机视觉研究、机器学习模型训练及数据分析。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows (推荐 Linux 以获得最佳性能)
• 存储空间：
  • Lite 版本：至少 2GB 可用空间（压缩包约 700MB，解压后约 1GB）
  • Full 版本：至少 100GB 可用空间（压缩包约 20GB，解压后约 80GB）
• 前置依赖：
  • Python 3.6+ (用于数据处理脚本)
  • PostgreSQL (可选，如需导入数据库)
  • wget 或 curl (用于下载文件)
  • unzip 或兼容的解压工具

注意：Full 数据集仅限非商业用途；Lite 数据集可用于商业和非商业用途。使用前请务必阅读 许可条款。

安装与下载步骤

该数据集以文件形式提供，无需通过包管理器安装，直接下载并解压即可。

1. 下载 Lite 数据集（推荐初学者）

Lite 版本包含约 25,000 张照片，适合快速测试和小型项目。

# 创建目录并进入
mkdir unsplash_data && cd unsplash_data

# 下载 Lite 数据集 (最新稳定版)
wget https://unsplash.com/data/lite/latest -O unsplash_lite.zip

# 解压文件
unzip unsplash_lite.zip

2. 申请并下载 Full 数据集（大规模研究）

Full 版本包含 650 万 + 张照片，需先申请访问权限。

1. 访问 unsplash.com/data 提交访问申请。
2. 审核通过后，您将获得专属下载链接。
3. 使用提供的链接下载（示例命令，请替换为实际链接）：

wget <YOUR_FULL_DATASET_DOWNLOAD_URL> -O unsplash_full.zip
unzip unsplash_full.zip

基本使用

下载解压后，您将得到包含图片文件和元数据表（通常为 TSV 或 CSV 格式）的目录。以下是两种最常用的加载方式。

方式一：在 Python 环境中加载元数据

使用 Pandas 库快速读取照片元数据（如关键词、搜索量等）。

import pandas as pd

# 假设解压后的元数据文件名为 photos.tsv (具体文件名请以实际解压内容为准)
# 读取 TSV 格式数据
df = pd.read_csv('photos.tsv', sep='\t')

# 查看前 5 行数据
print(df.head())

# 示例：筛选包含 "nature" 关键词的照片
nature_photos = df[df['keywords'].str.contains('nature', case=False, na=False)]
print(f"Found {len(nature_photos)} nature-themed photos.")

方式二：导入 PostgreSQL 数据库

对于需要复杂查询的大规模数据分析，建议将数据导入数据库。官方提供了详细的 SQL 脚本指引。

1. 创建数据库并执行建表语句（参考官方 how-to/psql 目录下的 schema 定义）。
2. 使用 \copy 命令导入数据：

-- 在 psql 命令行中执行
\copy photos FROM 'photos.tsv' WITH (FORMAT csv, DELIMITER E'\t', HEADER true);

引用规范

如果您在论文或项目中使用了该数据集，请按以下格式注明：

• 名称: Unsplash Lite Dataset 1.3.0 或 Unsplash Full Dataset 1.3.0
• 链接: unsplash.com/data