深度学习中常用的数据集

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。
摘要由CSDN通过智能技术生成

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

  • 3
    点赞
  • 6
    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