نقدم مجموعة N-ImageNet، وهي مجموعة بيانات كبيرة الحجم موجهة لتمييز الكائنات الدقيقة والموثوقة باستخدام كاميرات الأحداث. تم جمع هذه المجموعة باستخدام معدات صناعية قابلة للبرمجة، حيث يتحرك كاميرا الأحداث باستمرار حول شاشة تعرض صورًا من ImageNet. تُعد N-ImageNet معيارًا صعبًا لتمييز الكائنات القائمة على الأحداث، نظرًا لعدد فئاتها وعيناتها الكبير. ونُظهر تجريبيًا أن التدريب المسبق على N-ImageNet يُحسّن أداء فئات الكشف القائمة على الأحداث، ويساعد هذه الفئات على التعلم باستخدام عدد قليل جدًا من العينات المُصنفة. بالإضافة إلى ذلك، نقدم عدة نسخ معدلة من N-ImageNet لاختبار مقاومة فئات الكشف القائمة على الأحداث أمام مسارات كاميرات متنوعة وظروف إضاءة شديدة، ونُقدّم تمثيلًا جديدًا للأحداث لتقليل الانهيار في الأداء. إلى حد معرفتنا، نحن أول من يُجري دراسة كمية للنتائج الناتجة عن ظروف بيئية متنوعة على خوارزميات تمييز الكائنات القائمة على الأحداث. ومن المتوقع أن تُسهم N-ImageNet ونسخها المختلفة في توجيه التنفيذ العملي لخوارزميات تمييز الكائنات القائمة على الأحداث في البيئات الواقعية.