本文介绍了深度学习中常用的一些数据集，包括MNIST、CIFAR-10、MS-COCO、Pascal VOC、ImageNet、Open Image Dataset、Large-Scale Image Annotation using Visual Synset、Youtube-8M和SUN，涵盖了从入门到高级的各种图像识别和检测任务，每个数据集的规模、特点和应用场景都有所阐述。
1.MNIST
手写数字识别，深度学习入门级数据集。包含60000个训练数据及10000个测试数据，一共有0~9个数字，共分为10类，图像大小为28x28，灰度级图像，数据集大小50M。
下载链接：MNIST数据集
2.CIFAR-10
入门级的彩色图像，有名的图像识别数据集，图像大小为32x32x3，包含 50000张训练数据，10000张测试数据，共分为10类，数据集大小170M。
下载链接：CIFAR-10数据集
3.MS-COCO
各个论文中常用数据集之一，可用于图像检测，物体识别，关键点检测及图像捕获，数据集大小25G。
下载链接：MS-COCO
4.Pascal VOC
论文中经常出现的数据集之一，可用于图像检测，物体识别，数据集大小25G。
下载链接：Pascal VOC数据集
5.ImageNet
最有名的图像数据集之一，由李飞飞创建
最低0.47元/天 解锁文章
1343
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
