1.MNIST
MNIST是一个手写数字数据集(灰度图像),发布于1998年。来自美国国家标准与技术研究所(National Institute of Standards and Technology)。样本包含50%的高中学生,50%是人口普查局的工作人员。图片内容为0-9的数字,图片大小为28*28pixel。其中训练数据包含6w个样本,测试集数据包含1w个样本。
缺点:
- 灰度图像
- 类别少,只有手写数字
- 非真实数据,没有真实数据的局部特性
下载地址:MNIST数据集
2.CIFAR
CIFAR包含两个数据,由Alex Krizhevsky, Vinod Nair, and Geoffrey Hinton等人收集(AlexNet作者)。于2009年发布。
它分为CIFAR-10和CIFAR-100,其中-的数字代表分类类别。
CIFAR-10也是仅用于分类的数据集。数据集包含6w张彩色图片,图像大小为32*32pixel。共十个类别,每个类别6k张图。其中训练数据5w张,测试数据1w张。
特点:
- 真实图片
- 图中只有一个主体目标
CIFAR-100包含100个分类类别,每个类别包含600张图。注意,100各类别可以被细化为20个大类,所以每个图像带有大类标签coarse和小磊标签fine。
下载地址:CIFAR下载地址
3.PASCAL
PASCAL即Pattern Analysis, Statistical Modelling and Computational learning,是用于模式分析和统计建模的数据集,包括图像分类、目标检测以及图像分割等任务。于2005年首发,到2012年止。
下载地址:PASCAL下载地址
4.ImageNet
由斯坦福李飞飞博士主导,于2009年发布。包含1400w张图片,涵盖2w+类别标注和超过百万的边界框标注,每一类别有500-1000张图片。
为此自2010年开始到2017年,共举办Large Scale Visual Reconginition Challenge(ILSVRC)比赛,包含图像分类、目标检测、目标定位等。
历史意义:让陷于过拟合的算法,从数据集本身看到了新的出路。
下载地址:ImageNet下载地址
5.Mircosoft COCO
MSRA,亚洲微软研究院2014年发布。对标PASCAL、ImageNet数据集。可用于图像分类、分割、目标检测等多任务。共30+数据。包含91个类别,以人类4岁小孩能辨识为基准。其中82种,有超过5000个instance(同一类不同的个体)
下载地址:COCO下载地址