开源数据集

一个经典的机器学习的处理框架下，用作训练集使用，而可将标准的测试图像作为测试集使用。

• /pub/machine-learning-databases 的索引
• 标准测试图像： Lena、Barbara、Boat、Pepper、Cameraman …

0. 图像分割（image segmentation）

• The Berkeley Segmentation Dataset and Benchmark
  • images
  • human segmentations

1. 图像分类（image classification）

• CVG - UGR - Image database

• CIFAR-10：The CIFAR-10 dataset consists of 60000 32x32 colour images in 10 classes, with 6000 images per class. There are 50000 training images and 10000 test images.
  10 labels：airplane，automobile，bird，cat，deer，dog，frog，horse，ship，truck；

• Classification datasets results：各种算法模型在各种分类任务上的实验结果

  • MNIST
  • CIFAR-10、CIFAR-100
  • STL-10、SVHN
  • ILSVRC2012 task 1

• mnist（手写字符识别）
  mnist database
  matlab 解析 mnist 数据集

• ImageNet

  • top-5 error rate
    ImageNet 图像通常有 1000 个可能的类别，对每幅图像你可以猜 5 次结果（即同时预测5个类别标签），当其中有任何一次预测对了，结果都算对（事实上一个图像也只可能属于一个图像 category ），当 5 次全都错了的时候，才算预测错误，这时候的分类错误率就叫 top5 错误率。

2. 场景分类与目标识别（scene classification & object recognition）

• SUN Database
  • Scene Recognition Benchmark
  • Object Detection Benchmark

3. 各大数据集的读写方式

• minst

  with gzip.open('./mnist.pkl.gz', 'rb') as f:
  	trainset, validset, testset = cPickle.load(f)
  
  # 如果需要用到符号式编程（比如 theano），对这些数据做进一步的封装调整
  
  def shared_data(data, borrow=True):
  	data_x, data_y = data
  	shared_x = theano.shared(np.asarray(data_x, dtype=theano.config.floatX), borrow=borrow)
  	shared_y = theano.shared(np.asarray(data_y, dtype=theano.config.floatY), borrow=borrow)
  	return shared_x, shared_y
  
  trainset_x, trainset_y = shared_data(trainset)
  ...