目前深度学习开源数据集整理

这篇博客汇总了深度学习在图像分析、运动跟踪、视频理解、3D计算机视觉、人体分析及应用等多个领域的开源数据集。
摘要由CSDN通过智能技术生成

Images Analysis

数据集 介绍 备注 网址
Flickr30k 图片描述 31,783 images,每张图片5个语句标注 链接
Microsoft COCO 图片描述 330,000 images,每张图片至少5个语句标注 链接
ESP Game 多标签定义图像 20,770 images,268 tags,诸如bed, light man,music 链接
IAPRTC-12 多标签定义图像 19,452 images,291 tags 链接
NUS-WIDE 多标签定义图像 269,648 images,several tags (2-5 on average) per image 链接
CUHK-PEDES 以文搜图 34,054 images,每张图片2条描述 链接
VRD 视觉关系检测 5,000 images, 100目录,37,993对关系 链接
sVG 视觉关系检测 108,000 images, 998,000对关系 链接
Visual Genome Dataset 图像属性检测 108,077 images, 5.4 M 区域块,2.8 M 属性,2.3 M 关系 链接
VQA 问答系统 1,105,904问题,11,059,040 回答 链接
Visual7W 问答系统 327,939 问答对 链接
TID2013 图像质量评价 25张参考图像,24个失真类型 链接
CSIQ 图像质量评价 30张参考图像,6个失真类型 链接
LIVE 图像质量评价 29张参考图像,5个失真类型 链接
WATERLOO 图像质量评价 4744张参考图像,20个失真类型 链接
photo .net 图像美观评价 20,278张图像,打分[0,10] 链接
DPChallenge .com 图像美观评价 16,509张图像,打分[0,10] 链接
CUHK 图像美观评价 28,410张图像,只分高质量和低质量 链接
AVA 图像美观评价 255,500张图像,打分[0,10] 链接

Image Motion & Tracking

数据集 介绍 备注 网址
CUHK03 Person re-identification(人重识别) image num:13164 person num:1360 camera num:10( 5 pairs) 链接
CUHK02 Person re-identification(人重识别) image num:7264 person num:1816 camera num:10( 5 pairs) 链接
CUHK01 Person re-identification(人重识别) image num:3884 person num:971 camera num: 2 链接
VIPeR Person re-identification(人重识别) image num:1264 person num:632 camera num:2 链接
ETH1,2,3 Person re-identification(人重识别) image num:8580 person num:83,35,28 camera num:1 链接
PRID2011 Person re-identification(人重识别) image num:24541 person num:934 camera num:2 链接
MARS Person re-identification(人重识别) image num:11910031 person num:1261 camera num:6 链接
Market1501 Person re-identification(人重识别) image num:32217 person num:1501 camera num:6 链接
Epic Fail (EF) dataset Risk Assessment(风险评估) video num:3000 链接
Street Accident (SA) dataset Risk Assessment(风险评估) video num:1733 链接
OTB-50
  • 6
    点赞
  • 54
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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