CV 长尾数据集-CIFAR-10/100，EEG等生理信号数据集整理

一、CV长尾数据集

three long-tailed visual recognition  benchmarks1 : Long-tailed CIFAR-10/-100, ImageNet-LT for image classifification and LVIS for instance segmentation.

CIFAR-10/100

1.1  CIFAR-10 （10类RGB图像，32 × 32 ）

官方地址：The CIFAR-10 dataset

一个用于识别普适物体的小型数据集。一共包含10 个类别的RGB 彩色图片：飞机（ airplane ）、汽车（ automobile ）、鸟类（ bird ）、猫（ cat ）、鹿（ deer ）、狗（ dog ）、蛙类（ frog ）、马（ horse ）、船（ ship ）和卡车（ truck ）。

详情参考：Dataset之CIFAR-10：CIFAR-10数据集简介、下载、使用方法之详细攻略

生理信号论文、数据集整理-持续更新_hi_linda的博客-CSDN博客_生理信号数据库

1.2  CIFAR-100 （100类RGB图像，32 × 32 ）

官方地址：The CIFAR-100 dataset  ， CIFAR-10 and CIFAR-100 datasets

它有100个类，每个类包含600个图像。，每类各有500个训练图像和100个测试图像。CIFAR-100中的100个类被分成20个超类。每个图像都带有一个“精细”标签（它所属的类）和一个“粗糙”标签（它所属的超类）

超类	类别
水生哺乳动物	海狸，海豚，水獭，海豹，鲸鱼
鱼	水族馆的鱼，比目鱼，射线，鲨鱼，鳟鱼
花卉	兰花，罂粟花，玫瑰，向日葵，郁金香
食品容器	瓶子，碗，罐子，杯子，盘子
水果和蔬菜	苹果，蘑菇，橘子，梨，甜椒
家用电器	时钟，电脑键盘，台灯，电话机，电视机
家用家具	床，椅子，沙发，桌子，衣柜
昆虫	蜜蜂，甲虫，蝴蝶，毛虫，蟑螂
大型食肉动物	熊，豹，狮子，老虎，狼
大型人造户外用品	桥，城堡，房子，路，摩天大楼
大自然的户外场景	云，森林，山，平原，海
大杂食动物和食草动物	骆驼，牛，黑猩猩，大象，袋鼠
中型哺乳动物	狐狸，豪猪，负鼠，浣熊，臭鼬
非昆虫无脊椎动物	螃蟹，龙虾，蜗牛，蜘蛛，蠕虫
人	宝贝，男孩，女孩，男人，女人
爬行动物	鳄鱼，恐龙，蜥蜴，蛇，乌龟
小型哺乳动物	仓鼠，老鼠，兔子，母老虎，松鼠
树木	枫树，橡树，棕榈，松树，柳树
车辆1	自行车，公共汽车，摩托车，皮卡车，火车
车辆2	割草机，火箭，有轨电车，坦克，拖拉机

CIFAR-10/CIFAR-100数据集解析，重点推荐：

CIFAR10/CIFAR100数据集介绍 - WUST许志伟 - 博客园

1.3 ImageNet-LT

ImageNet-LT[1]是ImageNet数据集的一个长尾子集。它由1k个类组成，超过186k张图像，分别包含116k/20k/50k的训练集/验证集/测试集数据。在 训练集中，每个类的图像数量在5-1280个之间，

模拟了在现实世界中普遍存在的长尾分布。

测试和val集被平衡地分成四份： Many-shot每类包含>100图像的类， Medium-shot 包含≥20且≤100图张像的类， Few-shot包含<20图像，以及所有类的总体情况。

【1】Ziwei Liu, Zhongqi Miao, Xiaohang Zhan, Jiayun Wang, Boqing Gong, and Stella X Yu. Large-scale  long-tailed recognition in an open world. In CVPR , 2019.

1.4 LVIS

LVIS [2] 是一个大型词汇表实例分割数据集，在V0.5/V1.0中分别有1230/1203个类别。

二者分别包含57k/100k 训练集(V0.5/V1.0)，具有显著的 长尾分布效应，以及 相对平衡的验证集和测试集，验证集包含5k/20k个样本(V0.5/V1.0)，测试集包含20k个样本(V0.5/V1.0)。

【2】Agrim Gupta, Piotr Dollar, and Ross Girshick. Lvis: A dataset for large vocabulary instance segmentation. In CVPR, pages 5356–5364, 2019.

【3】 Tang K ,  J  Huang,  Zhang H . Long-Tailed Classification by Keeping the Good and Removing the Bad Momentum Causal Effect[J]. NIPS， 2020.

1.5  MINST数据集（10类手写数字灰度图，28 × 28）

官方地址：  MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges

MNIST数据集是机器学习领域中非常经典的一个数据集，由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度手写数字图片

二、EEG数据集 

以下资源来源于各平台的汇总，感谢以下资源平台的整理！！！！

1.《EEG公开数据集整理》链接：https://zhuanlan.zhihu.com/p/377480885

2.《2020-03-15-脑电数据集中文汇总》链接：https://blog.csdn.net/craig_cc/article/details/105560508?spm=1001.2014.3001.5501

3.《值得收藏！EEG/ MEG/MRI/ fNIRS公开数据库大盘点》链接：

https://blog.csdn.net/weixin_41880581/article/details/106683642

4.睡眠分期数据

MASS dataset：（Montreal Archive of Sleep Studies (MASS ）一个大规模开放的睡眠数据集，

数据地址 website  Montreal Archive of Sleep Studies (MASS) – CÉAMShttp://www.ceams-carsm.ca/en/MASS包含256 Hz的采样频率和4-20个通道的脑电图（EEG）数据，以及标准的眼电图（EOG）、肌电图（EMG）、心电图（ECG）和呼吸信号。

相关文献

【1】C. O’reilly, N. Gosselin, J. Carrier, and T. Nielsen, “Montreal archive

of sleep studies: an open-access resource for instrument benchmarking

and exploratory research,” Journal of sleep research , vol. 23, no. 6, pp.

628–635, 2014.

三、生理信号论文、数据集整理

生理信号论文、数据集整理-持续更新_hi_linda的博客-CSDN博客_生理信号数据库