标识别,人脸识别等常用数据集

最新推荐文章于 2024-08-01 14:23:27 发布
最新推荐文章于 2024-08-01 14:23:27 发布
阅读量7.2k 收藏 33
点赞数 5
分类专栏： 0_数据集 文章标签： 数据集
原文链接：https://www.cnblogs.com/weiyinfu/p/8016405.html#32
版权

参考博客: https://www.cnblogs.com/weiyinfu/p/8016405.html#32

常用数据集

一、Cifar数据集

  • Hinton参与收集
  • 彩色图像（RGB）
  • 图像尺寸相同
  • 分为两种：Cifar10和Cifar100
  • 用于图片分类

Cifar10包含60000条数据，50000条用于训练，10000条用于测试。这60000条数据中，包含10类，每类6000张图片（5000训练，1000测试）。
Cifar100包含60000条数据，100类图片，每类600张（500训练，100测试）。

每张图片都为3232的RGB图像，故每张图片大小为3232*3=3072B。

CIFAR-10包含10个类别，50,000个训练图像，彩色图像大小：32×32，10,000个测试图像。CIFAR-100与CIFAR-10类似，包含100个类，每类有600张图片，其中500张用于训练，100张用于测试；这100个类分组成20个超类。图像类别均有明确标注。CIFAR对于图像分类算法测试来说是一个非常不错的中小规模数据集。
数据集大小：~170MB
下载地址：
http://www.cs.toronto.edu/~kriz/cifar.html

二、Mnist数据集

NIST名叫“美国国家标准与技术研究院”，该机构收集了两堆手写数字，结构比较混乱，Yann Lecun进行了一些整理，所以叫Mixed NIST。

  • Yan Lecun 1988年整理收集
  • 二值图像
  • 图像尺寸相同（28*28）

Mnist数据集包含60000张图片，10个类别（0~9共10个数字），每张图片6000张（5000训练，1000测试）。

http://yann.lecun.com/exdb/mnist/index.html

三、ImageNet数据集

1500万张图片，仿照WordNet的形式进行组织。
由斯坦福李飞飞整理，用于替代Pascal和labelMe数据集。

ImageNet数据集可谓是目前影响力最大的数据集，它极大地促进了计算机视觉的发展。根据ImageNet数据集，人们举办了ILSVRC（International Large Scale Visual Recognition Challenge）。该比赛从2010年开始举办，2017年为最后一届，在这8年间，计算机视觉取得空前发展。ILSVRC包括的比赛项目有：

  • 物体检测 Object Detection
  • 物体定位 Object Localization
  • 视频中的物体检测
  • 场景分类 Scene Classification

历年比赛都有重大成果：

  • 2012年，AlexNet（巨大、复杂）
  • 2014年，VGG和GoogleNet（节省空间）
  • 2015年，ResNet（孙剑、何凯明提出残差网络)

四、牛津花卉数据集

Oxford flower dataset

  • 图片尺寸不一，图片来源于网络
  • 有两种数据集：17类的和102类的

Oxford17包括17类花卉，每类80张图片，总共1360张图片。
Oxford102包括102类花卉，每类40~258张图片不等。

五、COCO数据集

COCO(Common Objects in Context)是一个新的图像识别、分割和图像语义数据集，它有如下特点：
1）Object segmentation
2）Recognition in Context
3）Multiple objects per image
4）More than 300,000 images
5）More than 2 Million instances
6）80 object categories
7）5 captions per image
8）Keypoints on 100,000 people
COCO数据集由微软赞助，其对于图像的标注信息不仅有类别、位置信息，还有对图像的语义文本描述，COCO数据集的开源使得近两三年来图像分割语义理解取得了巨大的进展，也几乎成为了图像语义理解算法性能评价的“标准”数据集。
Google开源的开源了图说生成模型show and tell就是在此数据集上测试的，想玩的可以下下来试试哈。
数据集大小：~40GB
下载地址：http://mscoco.org/

六、PASCAL VOC

PASCAL VOC挑战赛是视觉对象的分类识别和检测的一个基准测试，提供了检测算法和学习性能的标准图像注释数据集和标准的评估系统。PASCAL VOC图片集包括20个目录：人类；动物（鸟、猫、牛、狗、马、羊）；交通工具（飞机、自行车、船、公共汽车、小轿车、摩托车、火车）；室内（瓶子、椅子、餐桌、盆栽植物、沙发、电视）。PASCAL VOC挑战赛在2012年后便不再举办，但其数据集图像质量好，标注完备，非常适合用来测试算法性能。
数据集大小：~2GB
下载地址：
http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html

七、OPEN Image

过去几年机器学习的发展使得计算机视觉有了快速的进步，系统能够自动描述图片，对共享的图片创造自然语言回应。其中大部分的进展都可归因于 ImageNet 、COCO这样的数据集的公开使用。谷歌作为一家伟大的公司，自然也要做出些表示，于是乎就有了Open Image。
Open Image是一个包含~900万张图像URL的数据集，里面的图片通过标签注释被分为6000多类。该数据集中的标签要比ImageNet（1000类）包含更真实生活的实体存在，它足够让我们从头开始训练深度神经网络。
谷歌出品，必属精品！唯一不足的可能就是它只是提供图片URL，使用起来可能不如直接提供图片方便。
此数据集，笔者也未使用过，不过google出的东西质量应该还是有保障的。
数据集大小：~1.5GB（不包括图片）
下载地址：
https://github.com/openimages/dataset

八、Youtube-8M

Youtube-8M为谷歌开源的视频数据集，视频来自youtube，共计8百万个视频，总时长50万小时，4800类。为了保证标签视频数据库的稳定性和质量，谷歌只采用浏览量超过1000的公共视频资源。为了让受计算机资源所限的研究者和学生也可以用上这一数据库，谷歌对视频进行了预处理，并提取了帧级别的特征，提取的特征被压缩到可以放到一个硬盘中（小于1.5T）。
此数据集的下载提供下载脚本，由于国内网络的特殊原因，下载此数据经常断掉，不过还好下载脚本有续传功能，过一会儿重新连接就能再连上。可以写一个脚本检测到下载中断后就sleep一段时间然后再重新请求下载，这样就不用一直守着了。（截至发文，断断续续的下载，笔者表示还没下完呢……）
数据集大小：~1.5TB
下载地址：https://research.google.com/youtube8m/

九、Iris鸢尾花数据集

Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

数据集特征: 多变量
记录数: 150
领域: 生活
属性特征: 实数
属性数目: 4
捐赠日期 1988-07-01
相关应用: 分类
缺失值? 无
网站点击数: 563347

十、Adult数据集

该数据从美国1994年人口普查数据库抽取而来，可以用来预测居民收入是否超过50K，属性变量包含年龄，工种，学历，职业，人种等重要信息，值得一提的是，14个属性变量中有7个类别型变量。

数据集特征: 多变量
记录数: 48842
领域: 社会
属性特征: 类别型，整数
属性数目: 14
捐赠日期 1996-05-01
相关应用: 分类
缺失值? 有
网站点击数: 393977

十一、Wine

这份数据集包含来自3种不同起源的葡萄酒的共178条记录。13个属性是葡萄酒的13种化学成分。通过化学分析可以来推断葡萄酒的起源。值得一提的是所有属性变量都是连续变量。

数据集特征: 多变量
记录数: 178
领域: 物理
属性特征: 整数，实数
属性数目: 13
捐赠日期 1991-07-01
相关应用: 分类
缺失值? 无
网站点击数: 337319

十二、Car Evaluation

这是一个关于汽车测评的数据集，类别变量为汽车的测评，（unacc，ACC，good，vgood）分别代表（不可接受，可接受，好，非常好），而6个属性变量分别为「买入价」，「维护费」，「车门数」，「可容纳人数」，「后备箱大小」，「安全性」。值得一提的是6个属性变量全部是有序类别变量，比如「可容纳人数」值可为「2，4，more」，「安全性」值可为「low, med, high」。

数据集特征: 多变量
记录数: 1728
领域: N/A
属性特征: 类别型
属性数目: 6
捐赠日期 1997-06-01
相关应用: 分类
缺失值? 无
网站点击数: 272901

十三、著名的UCI

http://archive.ics.uci.edu/ml/index.php

加州大学欧文（尔湾）分校（UCI）University of California,Irvine是一所四年制公立大学，成立于1965年。它虽然是加州大学各成员学院中历史最短的一所，但排名却紧追伯克利、洛杉矶之后，列全美最好的公立学校前十名之一。加州大学尔湾分校除了拥有崭新优美的建筑外，教职人员皆具有深厚的专业背景，其中有三人为诺贝尔奖的获得者。UCI最好的学科是批判文学，生物学、社会生态学、英文、经济和政治科学，因为生物科学是全大学最好和学生选修最多的学科，不少有志将来念医科的青年人，都希望能在这里修读生物学。此外，加州尔湾分校有47%学生是亚裔美国人，包括不少在美国落地生根的中国人、日本人、南韩人、新马泰人等.

十四、音乐相关数据集

十五、其它图像相关数据集

十六、人造数据集

十七、人脸数据集

十八、文本数据集

二十、推荐系统数据集

  • MovieLens: Two datasets available from http://www.grouplens.org. The first dataset has 100,000 ratings for 1682 movies by 943 users, subdivided into five disjoint subsets. The second dataset has about 1 million ratings for 3900 movies by 6040 users. 
  • Jester: This dataset contains 4.1 million continuous ratings (-10.00 to +10.00) of 100 jokes from 73,421 users.
  • Netflix Prize: Netflix released an anonymised version of their movie rating dataset; it consists of 100 million ratings, done by 480,000 users who have rated between 1 and all of the 17,770 movies.
  • Book-Crossing dataset: This dataset is from the Book-Crossing community, and contains 278,858 users providing 1,149,780 ratings about 271,379 books.

二十一、其它数据集

二十二、推荐系统常用数据集（二）

  • 推荐系统常用的：
  • 1)MovieLens
  • MovieLens数据集中，用户对自己看过的电影进行评分，分值为1～5。MovieLens包括两个不同大小的库，适用于不同规模的算法．小规模的库是943个独立用户对1682部电影作的10000次评分的数据；大规模的库是6040个独立用户对3900部电影作的大约100万次评分。
  • 2)EachMovie
  • HP/Compaq的DEC研究中心曾经在网上架设EachMovie电影推荐系统对公众开放．之后，这个推荐系统关闭了一段时间，其数据作为研究用途对外公布，MovieLens的部分数据就是来自于这个数据集的．这个数据集有72916个用户对l628部电影进行的2811983次评分。早期大量的协同过滤的研究工作都 是基于这个数据集的。2004年HP重新开放EachMovie，这个数据集就不提供公开下载了。
  • 3)BookCrossing
  • 这个数据集是网上的Book-Crossing图书社区的278858个用户对271379本书进行的评分，包括显式和隐式的评分。这些用户的年龄等人口统计学属性(demographic feature)都以匿名的形式保存并供分析。这个数据集是由Cai-Nicolas Ziegler使用爬虫程序在2004年从Book-Crossing图书社区上采集的。
  • 4)Jester Joke
  • Jester Joke是一个网上推荐和分享笑话的网站。这个数据集有73496个用户对100个笑话作的410万次评分。评分范围是-10~10的连续实数。这些数据是由加州大学伯克利分校的Ken Goldberg公布的。
  • 5)Netflix
  • 这个数据集来自于电影租赁网址Netflix的数据库。Netflix于2005年底公布此数据集并设立百万美元的奖金(netflix prize)，征集能够使其推荐系统性能上升10％的推荐算法和架构。这个数据集包含了480189个匿名用户对大约17770部电影作的大约lO亿次评分。
  • 6)Usenet Newsgroups
  • 这个数据集包括20个新闻组的用户浏览数据。最新的应用是在KDD2007上的论文。新闻组的内容和讨论的话题包括计算机技术、摩托车、篮球、政治等。用户们对这些话题进行评价和反馈。
  • 7)UCI知识库
  • UCI知识库是Blake等人在1998年开放的一个用于机器学习和评测的数据库，其中存储大量用于模型训练的标注样本。
  • 8） http://snap.stanford.edu/na09/resources.html
  • 9） http://archive.ics.uci.edu/ml/
  • 10） http://www.ituring.com.cn/article/details/1188
  • 转自： http://www.cnblogs.com/zz-boy/archive/2012/08/27/2658063.html

二十三、公开人脸数据集

本页面收集到目前为止可以下载到的人脸数据库，可用于训练人脸深度学习模型。

人脸识别

数据库描述用途获取方法
WebFace10k+人，约500K张图片非限制场景链接
FaceScrub530人，约100k张图片非限制场景链接
YouTube Face1,595个人 3,425段视频非限制场景、视频链接
LFW5k+人脸，超过10K张图片标准的人脸识别数据集链接
MultiPIE337个人的不同姿态、表情、光照的人脸图像，共750k+人脸图像限制场景人脸识别链接 需购买
MegaFace690k不同的人的1000k人脸图像新的人脸识别评测集合链接
IJB-A 人脸识别，人脸检测链接
CAS-PEAL1040个人的30k+张人脸图像，主要包含姿态、表情、光照变化限制场景下人脸识别链接
Pubfig200个人的58k+人脸图像非限制场景下的人脸识别链接

wyfAbout

常用数据集

一、Cifar数据集

  • Hinton参与收集
  • 彩色图像（RGB）
  • 图像尺寸相同
  • 分为两种：Cifar10和Cifar100
  • 用于图片分类

Cifar10包含60000条数据，50000条用于训练，10000条用于测试。这60000条数据中，包含10类，每类6000张图片（5000训练，1000测试）。
Cifar100包含60000条数据，100类图片，每类600张（500训练，100测试）。

每张图片都为3232的RGB图像，故每张图片大小为3232*3=3072B。

CIFAR-10包含10个类别，50,000个训练图像，彩色图像大小：32×32，10,000个测试图像。CIFAR-100与CIFAR-10类似，包含100个类，每类有600张图片，其中500张用于训练，100张用于测试；这100个类分组成20个超类。图像类别均有明确标注。CIFAR对于图像分类算法测试来说是一个非常不错的中小规模数据集。
数据集大小：~170MB
下载地址：
http://www.cs.toronto.edu/~kriz/cifar.html

二、Mnist数据集

NIST名叫“美国国家标准与技术研究院”，该机构收集了两堆手写数字，结构比较混乱，Yann Lecun进行了一些整理，所以叫Mixed NIST。

  • Yan Lecun 1988年整理收集
  • 二值图像
  • 图像尺寸相同（28*28）

Mnist数据集包含60000张图片，10个类别（0~9共10个数字），每张图片6000张（5000训练，1000测试）。

http://yann.lecun.com/exdb/mnist/index.html

三、ImageNet数据集

1500万张图片，仿照WordNet的形式进行组织。
由斯坦福李飞飞整理，用于替代Pascal和labelMe数据集。

ImageNet数据集可谓是目前影响力最大的数据集，它极大地促进了计算机视觉的发展。根据ImageNet数据集，人们举办了ILSVRC（International Large Scale Visual Recognition Challenge）。该比赛从2010年开始举办，2017年为最后一届，在这8年间，计算机视觉取得空前发展。ILSVRC包括的比赛项目有：

  • 物体检测 Object Detection
  • 物体定位 Object Localization
  • 视频中的物体检测
  • 场景分类 Scene Classification

历年比赛都有重大成果：

  • 2012年，AlexNet（巨大、复杂）
  • 2014年，VGG和GoogleNet（节省空间）
  • 2015年，ResNet（孙剑、何凯明提出残差网络）

四、牛津花卉数据集

Oxford flower dataset

  • 图片尺寸不一，图片来源于网络
  • 有两种数据集：17类的和102类的

Oxford17包括17类花卉，每类80张图片，总共1360张图片。
Oxford102包括102类花卉，每类40~258张图片不等。

五、COCO数据集

COCO(Common Objects in Context)是一个新的图像识别、分割和图像语义数据集，它有如下特点：
1）Object segmentation
2）Recognition in Context
3）Multiple objects per image
4）More than 300,000 images
5）More than 2 Million instances
6）80 object categories
7）5 captions per image
8）Keypoints on 100,000 people
COCO数据集由微软赞助，其对于图像的标注信息不仅有类别、位置信息，还有对图像的语义文本描述，COCO数据集的开源使得近两三年来图像分割语义理解取得了巨大的进展，也几乎成为了图像语义理解算法性能评价的“标准”数据集。
Google开源的开源了图说生成模型show and tell就是在此数据集上测试的，想玩的可以下下来试试哈。
数据集大小：~40GB
下载地址：http://mscoco.org/

六、PASCAL VOC

PASCAL VOC挑战赛是视觉对象的分类识别和检测的一个基准测试，提供了检测算法和学习性能的标准图像注释数据集和标准的评估系统。PASCAL VOC图片集包括20个目录：人类；动物（鸟、猫、牛、狗、马、羊）；交通工具（飞机、自行车、船、公共汽车、小轿车、摩托车、火车）；室内（瓶子、椅子、餐桌、盆栽植物、沙发、电视）。PASCAL VOC挑战赛在2012年后便不再举办，但其数据集图像质量好，标注完备，非常适合用来测试算法性能。
数据集大小：~2GB
下载地址：
http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html

七、OPEN Image

过去几年机器学习的发展使得计算机视觉有了快速的进步，系统能够自动描述图片，对共享的图片创造自然语言回应。其中大部分的进展都可归因于 ImageNet 、COCO这样的数据集的公开使用。谷歌作为一家伟大的公司，自然也要做出些表示，于是乎就有了Open Image。
Open Image是一个包含~900万张图像URL的数据集，里面的图片通过标签注释被分为6000多类。该数据集中的标签要比ImageNet（1000类）包含更真实生活的实体存在，它足够让我们从头开始训练深度神经网络。
谷歌出品，必属精品！唯一不足的可能就是它只是提供图片URL，使用起来可能不如直接提供图片方便。
此数据集，笔者也未使用过，不过google出的东西质量应该还是有保障的。
数据集大小：~1.5GB（不包括图片）
下载地址：
https://github.com/openimages/dataset

八、Youtube-8M

Youtube-8M为谷歌开源的视频数据集，视频来自youtube，共计8百万个视频，总时长50万小时，4800类。为了保证标签视频数据库的稳定性和质量，谷歌只采用浏览量超过1000的公共视频资源。为了让受计算机资源所限的研究者和学生也可以用上这一数据库，谷歌对视频进行了预处理，并提取了帧级别的特征，提取的特征被压缩到可以放到一个硬盘中（小于1.5T）。
此数据集的下载提供下载脚本，由于国内网络的特殊原因，下载此数据经常断掉，不过还好下载脚本有续传功能，过一会儿重新连接就能再连上。可以写一个脚本检测到下载中断后就sleep一段时间然后再重新请求下载，这样就不用一直守着了。（截至发文，断断续续的下载，笔者表示还没下完呢……）
数据集大小：~1.5TB
下载地址：https://research.google.com/youtube8m/

九、Iris鸢尾花数据集

Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

数据集特征: 多变量
记录数: 150
领域: 生活
属性特征: 实数
属性数目: 4
捐赠日期 1988-07-01
相关应用: 分类
缺失值? 无
网站点击数: 563347

十、Adult数据集

该数据从美国1994年人口普查数据库抽取而来，可以用来预测居民收入是否超过50K，属性变量包含年龄，工种，学历，职业，人种等重要信息，值得一提的是，14个属性变量中有7个类别型变量。

数据集特征: 多变量
记录数: 48842
领域: 社会
属性特征: 类别型，整数
属性数目: 14
捐赠日期 1996-05-01
相关应用: 分类
缺失值? 有
网站点击数: 393977

十一、Wine

这份数据集包含来自3种不同起源的葡萄酒的共178条记录。13个属性是葡萄酒的13种化学成分。通过化学分析可以来推断葡萄酒的起源。值得一提的是所有属性变量都是连续变量。

数据集特征: 多变量
记录数: 178
领域: 物理
属性特征: 整数，实数
属性数目: 13
捐赠日期 1991-07-01
相关应用: 分类
缺失值? 无
网站点击数: 337319

十二、Car Evaluation

这是一个关于汽车测评的数据集，类别变量为汽车的测评，（unacc，ACC，good，vgood）分别代表（不可接受，可接受，好，非常好），而6个属性变量分别为「买入价」，「维护费」，「车门数」，「可容纳人数」，「后备箱大小」，「安全性」。值得一提的是6个属性变量全部是有序类别变量，比如「可容纳人数」值可为「2，4，more」，「安全性」值可为「low, med, high」。

数据集特征: 多变量
记录数: 1728
领域: N/A
属性特征: 类别型
属性数目: 6
捐赠日期 1997-06-01
相关应用: 分类
缺失值? 无
网站点击数: 272901

十三、著名的UCI

http://archive.ics.uci.edu/ml/index.php

加州大学欧文（尔湾）分校（UCI）University of California,Irvine是一所四年制公立大学，成立于1965年。它虽然是加州大学各成员学院中历史最短的一所，但排名却紧追伯克利、洛杉矶之后，列全美最好的公立学校前十名之一。加州大学尔湾分校除了拥有崭新优美的建筑外，教职人员皆具有深厚的专业背景，其中有三人为诺贝尔奖的获得者。UCI最好的学科是批判文学，生物学、社会生态学、英文、经济和政治科学，因为生物科学是全大学最好和学生选修最多的学科，不少有志将来念医科的青年人，都希望能在这里修读生物学。此外，加州尔湾分校有47%学生是亚裔美国人，包括不少在美国落地生根的中国人、日本人、南韩人、新马泰人等。

十四、音乐相关数据集

十五、其它图像相关数据集

十六、人造数据集

  • Arcade Universe – An artificial dataset generator with images containing arcade games sprites such as tetris pentomino/tetromino objects. This generator is based on the O. Breleux’s bugland dataset generator.
  • A collection of datasets inspired by the ideas from BabyAISchool:
  • Datasets generated for the purpose of an empirical evaluation of deep architectures (DeepVsShallowComparisonICML2007):

    十七、人脸数据集

    二十、推荐系统数据集

    二十一、其它数据集

    二十二、推荐系统常用数据集（二）

    推荐系统常用的：

    1)MovieLens

    MovieLens数据集中，用户对自己看过的电影进行评分，分值为1～5。MovieLens包括两个不同大小的库，适用于不同规模的算法．小规模的库是943个独立用户对1682部电影作的10000次评分的数据；大规模的库是6040个独立用户对3900部电影作的大约100万次评分。

    2)EachMovie

    HP/Compaq的DEC研究中心曾经在网上架设EachMovie电影推荐系统对公众开放．之后，这个推荐系统关闭了一段时间，其数据作为研究用途对外公布，MovieLens的部分数据就是来自于这个数据集的．这个数据集有72916个用户对l628部电影进行的2811983次评分。早期大量的协同过滤的研究工作都 是基于这个数据集的。2004年HP重新开放EachMovie，这个数据集就不提供公开下载了。

    3)BookCrossing

    这个数据集是网上的Book-Crossing图书社区的278858个用户对271379本书进行的评分，包括显式和隐式的评分。这些用户的年龄等人口统计学属性(demographic feature)都以匿名的形式保存并供分析。这个数据集是由Cai-Nicolas Ziegler使用爬虫程序在2004年从Book-Crossing图书社区上采集的。

    4)Jester Joke

    Jester Joke是一个网上推荐和分享笑话的网站。这个数据集有73496个用户对100个笑话作的410万次评分。评分范围是-10~10的连续实数。这些数据是由加州大学伯克利分校的Ken Goldberg公布的。

    5)Netflix

    这个数据集来自于电影租赁网址Netflix的数据库。Netflix于2005年底公布此数据集并设立百万美元的奖金(netflix prize)，征集能够使其推荐系统性能上升10％的推荐算法和架构。这个数据集包含了480189个匿名用户对大约17770部电影作的大约lO亿次评分。

    6)Usenet Newsgroups

    这个数据集包括20个新闻组的用户浏览数据。最新的应用是在KDD2007上的论文。新闻组的内容和讨论的话题包括计算机技术、摩托车、篮球、政治等。用户们对这些话题进行评价和反馈。

    7)UCI知识库

    UCI知识库是Blake等人在1998年开放的一个用于机器学习和评测的数据库，其中存储大量用于模型训练的标注样本。

    其他：

    8） http://snap.stanford.edu/na09/resources.html

    9） http://archive.ics.uci.edu/ml/

    10） http://www.ituring.com.cn/article/details/1188

    转自： http://www.cnblogs.com/zz-boy/archive/2012/08/27/2658063.html

    二十三、公开人脸数据集

    本页面收集到目前为止可以下载到的人脸数据库，可用于训练人脸深度学习模型。

    人脸识别

    数据库描述用途获取方法
    WebFace10k+人，约500K张图片非限制场景链接
    FaceScrub530人，约100k张图片非限制场景链接
    YouTube Face1,595个人 3,425段视频非限制场景、视频链接
    LFW5k+人脸，超过10K张图片标准的人脸识别数据集链接
    MultiPIE337个人的不同姿态、表情、光照的人脸图像，共750k+人脸图像限制场景人脸识别链接 需购买
    MegaFace690k不同的人的1000k人脸图像新的人脸识别评测集合链接
    IJB-A 人脸识别，人脸检测链接
    CAS-PEAL1040个人的30k+张人脸图像，主要包含姿态、表情、光照变化限制场景下人脸识别链接
    Pubfig200个人的58k+人脸图像非限制场景下的人脸识别链接

    人脸检测

数据库描述用途获取方法
FDDB2845张图片中的5171张脸标准人脸检测评测集链接
IJB-A 人脸识别，人脸检测链接
Caltech10k Web Faces10k+人脸，提供双眼和嘴巴的坐标位置人脸点检测链接

人脸表情

数据库描述用途获取方法
CK+137个人的不同人脸表情视频帧正面人脸表情识别链接

人脸年龄

数据库描述用途获取方法
IMDB-WIKI包含：IMDb中20k+个名人的460k+张图片 和维基百科62k+张图片, 总共： 523k+张图片名人年龄、性别链接
Adience包含2k+个人的26k+张人脸图像人脸性别，人脸年龄段(8组)链接
CACD20002k名人160k张人脸图片人脸年龄链接

人脸性别

数据库描述用途获取方法
IMDB-WIKI包含：IMDb中20k+个名人的460k+张图片 和维基百科62k+张图片, 总共： 523k+张图片名人年龄、性别链接
Adience包含2k+个人的26k+张人脸图像人脸性别，人脸年龄段(8组)链接

人脸关键点检测

数据库描述用途获取方法
数据库描述用途获取方法

人脸其它

数据库描述用途获取方法
CeleBrayA200k张人脸图像40多种人脸属性人脸属性识别获取方法

GitHub：DeepFace

二十四、ORL数据集

http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html

  • 来自著名的AT&T（贝尔实验室）。
  • 用于人脸识别，40个人，每人10张图片，每张图片92*112，256级灰度图

AT&T（American Telephone & Telegraph，美国电话电报公司），是一家美国电信公司，美国第二大移动运营商。美国电话电报公司有8个主要部门 ：贝尔实验室、商业市场集团、数据系统公司 、通用市场集团 、网络运营集团、网络系统集团、技术系统集团、公司国际集团.

二十五、其它数据集

二十六、数据挖掘常用数据集

常用的基本上UCI和w3c的。关于源代码，网上有很多公开源码的算法包，例如最为著名的Weka，MLC++等。Weka还在不断的更新其算法，下载地址：
http://www.cs.waikato.ac.nz/ml/weka/
UCI收集的机器学习数据集
ftp://pami.sjtu.edu.cn
http://www.ics.uci.edu/~mlearn/\MLRepository.htm

statlib
http://liama.ia.ac.cn/SCILAB/scilabindexgb.htm
http://lib.stat.cmu.edu/

样本数据库
http://kdd.ics.uci.edu/
http://www.ics.uci.edu/~mlearn/MLRepository.html

关于基金的数据挖掘的网站
http://www.gotofund.com/index.asp

http://lans.ece.utexas.edu/~strehl/

reuters数据集
http://www.research.att.com/~lewis/reuters21578.html

各种数据集：
http://kdd.ics.uci.edu/summary.data.type.html
http://www.mlnet.org/cgi-bin/mlnetois.pl/?File=datasets.html
http://lib.stat.cmu.edu/datasets/
http://dctc.sjtu.edu.cn/adaptive/datasets/
http://fimi.cs.helsinki.fi/data/
http://www.almaden.ibm.com/software/quest/Resources/index.shtml
http://miles.cnuce.cnr.it/~palmeri/datam/DCI/

进行文本分类&WEB
http://www-2.cs.cmu.edu/afs/cs/project/theo-11/www/naive-bayes.html

http://www.w3.org/TR/WD-logfile-960221.html
http://www.w3.org/Daemon/User/Config/Logging.html#AccessLog
http://www.w3.org/1998/11/05/WC-workshop/Papers/bala2.html
http://www-2.cs.cmu.edu/afs/cs.cmu.edu/project/theo-11/www/wwkb/
http://www.web-caching.com/traces-logs.html
http://www-2.cs.cmu.edu/webkb
http://www.cs.auc.dk/research/DP/tdb/TimeCenter/TimeCenterPublications/TR-75.pdf
http://www.cs.cornell.edu/projects/kddcup/index.html

时间序列数据的网址
http://www.stat.wisc.edu/~reinsel/bjr-data/

apriori算法的测试数据
http://www.almaden.ibm.com/cs/quest/syndata.html

数据生成器的链接
http://www.cse.cuhk.edu.hk/~kdd/data_collection.html
http://www.almaden.ibm.com/cs/quest/syndata.html

关联：
http://flow.dl.sourceforge.net/sourceforge/weka/regression-datasets.jar
http://www.almaden.ibm.com/software/quest/Resources/datasets/syndata.html#assocSynData

WEKA：
http://flow.dl.sourceforge.net/sourceforge/weka/regression-datasets.jar
1。A jarfile containing 37 classification problems, originally obtained from the UCI repository
http://prdownloads.sourceforge.net/weka/datasets-UCI.jar
2。A jarfile containing 37 regression problems, obtained from various sources
http://prdownloads.sourceforge.net/weka/datasets-numeric.jar
3。A jarfile containing 30 regression datasets collected by Luis Torgo
http://prdownloads.sourceforge.net/weka/regression-datasets.jar

癌症基因：
http://www.broad.mit.edu/cgi-bin/cancer/datasets.cgi

金融数据：
http://lisp.vse.cz/pkdd99/Challenge/chall.htm

kdnuggets 相关链接数据集（借花献佛了）：
http://www.kdnuggets.com/datasets/index.html
另一个人提供的
http://www.cs.toronto.edu/~roweis/data.html
http://kdd.ics.uci.edu/summary.task.type.html
http://www-2.cs.cmu.edu/afs/cs.cmu.edu/project/theo-20/www/data/
http://www-2.cs.cmu.edu/afs/cs.cmu.edu/project/theo-11/www/wwkb/
http://www.phys.uni.torun.pl/~duch/software.html
在下面的网址可以找到reuters数据集
http://www.research.att.com/~lewis/reuters21578.html

以下网址上有各种数据集：
http://kdd.ics.uci.edu/summary.data.type.html

进行文本分类，还有一个数据集是可以用的，即rainbow的数据集
http://www-2.cs.cmu.edu/afs/cs/project/theo-11/www/naive-bayes.html
Download the Financial Data (~17.5M zipped file, ~67M unzipped data)
Download the Medical Data (~2M zipped file, ~6M unzipped data)
http://lisp.vse.cz/pkdd99/Challenge/chall.htm

参考资料

http://www.52ml.net/20458.html
http://blog.csdn.net/prettywhitewolf_xiao/article/details/7265468
http://www.jianshu.com/p/be23b3870d2e
http://deeplearning.net/demos/
http://deeplearning.net/datasets/
https://www.cnblogs.com/alexanderkun/p/4197796.html 这篇博客很全
http://blog.csdn.net/chenriwei2/article/details/50631212

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

generalsong
关注
  • 5
    点赞
  • 踩
  • 33
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
MIT人脸数据库
04-11
MIT人脸数据库，多角度人脸，并且归一化到19*19，适合做人脸识别检测
人脸数据集
图像处理专栏
12-26 4653
人脸数据集 来源于： http://www.zhizhihu.com/html/y2009/191.html http://www.keyanshequ.com/thread-620-1-1.html 人脸数据库汇总■Annotated Database (Hand, Meat, LV Cardiac, IMM face) (http://www2.imm.dtu.d
【图像识别】十大数据集合集！
最新发布
Kyzy_1919的博客
08-01 1173
他们为微软研究院提供了超过300万张猫和狗的图像，这些图像是由美国数千个动物收容所的人手动分类的。我们设计了一个系统来描述带有情感的图像，并展示了一个自动生成带有正面或负面情绪的字幕的模型。因此，我们使用Voxygen的文本到语音系统来合成可用的字幕。该数据集为细粒度分类数据集 CUB 收集人类注视数据，并构建一个名为 CUB-GHA（基于注视的人类注意力）的数据集。语音作为一种新的方式的添加使MSCOCO能够用于语言习得，无监督的术语发现，关键字发现或使用语音和视觉的语义嵌入领域的研究。
人脸识别数据集
weixin_42415910的博客
11-22 3550
声明：本文为自己看的资料。如有转载请尊重各位作者的权利，其版权由各位作者本人拥有。 关于数据集下载链接 国内数据：链接：http://pan.baidu.com/s/1i5nyjBn 密码：26bm 好玩的数据集：链接：http://pan.baidu.com/s/1bSDIEi 密码：25zr 微软数据：链接：http://pan.baidu.com/s/1bpmo6uV 密码：286q 微博数...
MIT正面人脸数据库及其扩展
09-28
这个是MIT正面人脸数据库，但是图片的数量还太少，于是我在这个库的基础上进行了扩展，简单来说就是对原人脸库的图片进行批量镜像，肯定值得你拥有！这也是网上从来没有的
CFP-FP人脸识别数据集
08-18
例如，VGGFace、FaceNet和ArcFace等先进的人脸识别模型就是在这个数据集上进行了训练和验证。 使用CFP-FP数据集进行研究时，研究人员会关注几个关键指标，包括识别准确率、验证集上的F1分数、查全率和查准率等。...
人脸表情识别图像(FERC)数据集
12-18
本数据集，名为“人脸表情识别图像(FERC)数据集”，包含35000张图片，专为训练和测试人脸识别算法而设计。在深入探讨这个数据集之前，我们先理解一下人脸表情识别的基本概念。 人脸表情识别是指通过计算机技术分析...
机动车号牌识别数据集_人脸识别常用数据集大全
11-09
新能源大车、新能源小车、普通小车的自定义号牌数据集，每种车辆1000张图片，包括车辆信息图片、号牌分类、bbox框、号牌识别结果等全项信息。所有数据均为自定义生成，与现实车牌有细小差距，利用计算机视觉技术做了...
lfw人脸数据集-人脸识别的常用测试集
04-14
LFW (Labled Faces in the Wild)人脸数据集：是目前人脸识别的常用测试集，其中提供的人脸图片均来源于生活中的自然场景，因此识别难度会增大，尤其由于多姿态、光照、表情、年龄、遮挡等因素影响导致即使同一人的...
test_pca.zip_pca人脸识别_人脸 数据集_人脸识别
09-20
- **数据收集**：人脸识别的第一步是获取人脸图像数据集。在"CreateTrainingSet.m"这个文件中，可能包含了创建训练集的代码，它可能涉及图像预处理，如灰度化、归一化等，以减少光照、表情等因素的影响。 - **特征...
标准分类的数据集
08-30
用于分类的标准数据集，包括iris，wine，breast，glass四个数据集，方便聚类实现
人脸识别之数据库MIT ORL YALE
06-06
MIT ORL YALE 数据库包
国家电子病例标准数据集（完整）-2018.xlsx
06-26
WS 445-448 - 电子病历基本数据集等20项标准【发布稿】_2018 excel版 给需要的同学，一起学习
计算机视觉标准数据集整理—PASCAL VOC数据集
热门推荐
xingwei_09的博客
01-24 3万+
数据集下载 PASCAL VOC为图像识别和分类提供了一整套标准化的优秀的数据集，从2005年到2012年每年都会举行一场图像识别challenge。此数据集可以用于图像分类、目标检测、图像分割。 数据集下载镜像地址如下（包括VOC2007和VOC2012）： https://pjreddie.com/projects/pascal-voc-dataset-m
YOLO目标检测——人脸识别数据集【对应voc、coco和yolo三种格式标签】
m0_64879847的博客
10-22 962
YOLO目标检测——人脸识别数据集【对应voc、coco和yolo三种格式标签】
人脸识别相关数据集介绍
econe_wei的博客
08-12 1万+
人脸识别数据集 LFW（Labeled Face in the Wild） LFW数据库是真实条件下的人脸识别问题的测试基准。该数据集包括来源于因特网的5749人的13233张人脸图像，其中有1680人有两张或以上图像。 标准测试协议包括6000对人脸的时折确认任务，每折包括300对正例和300对反例。采用十折平均精度作为性能评价指标。 YouTube Faces DB YouTube Faces...
如何将RGB图片数据集转为mpii数据集的json格式
06-08
将RGB图片数据集转换为MPII数据集的JSON格式需要进行以下步骤： 1. 首先，需要使用MPII数据集提供的MATLAB代码将MPII数据集的原始图像标注转换为.mat文件格式。这个.mat文件包含了每个图像的标注信息，包括人体关键点的位置和可见性等。 2. 接着，需要编写Python脚本读取.mat文件，并将其转换为JSON格式。可以使用Python中的scipy.io.loadmat函数读取.mat文件，然后使用Python的json模块将其转换为JSON格式。 3. 在将.mat文件转换为JSON格式时，需要对每个图像的标注信息进行解析，并将其转换为JSON格式。可以使用Python中的for循环遍历每个.mat文件中的图像标注信息，并将其转换为JSON格式。 4. 最后，将转换后的JSON格式数据保存到文件中，以便后续使用。 需要注意的是，这个过程中需要对MPII数据集的标注信息进行深入的了解，以确保转换后的JSON格式数据与原始数据集相匹配。同时，还需要进行一些数据预处理工作，例如将图像进行缩放、裁剪、旋转等操作，以适应不同的训练模型。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值