深度学习数据集整理

最新推荐文章于 2022-09-18 11:17:20 发布
最新推荐文章于 2022-09-18 11:17:20 发布
阅读量208 收藏
点赞数
分类专栏： 乱七八糟 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_32374457/article/details/114187804
版权

A collection of datasets (Updating).
If you have any questions, please send an email to wjmecho@whu.edu.cn / wjmecho@163.com .

ImageNet

DatasetLinkPassword
ImageNetBaidug2r6

Object detection / classfication

DatasetLinkPassword
VOC2007Baiduyj0p
cifar-10(python)Baidux71q
caltech256Baidu0dyp

Person re-identification

DatasetLinkPassword
DuckMTMC-ReIDBaidu8u71
Market-1501Baidul20o
MSMT17Baidux861

Action detection

DatasetLinkPassword
UCF50Baidu6z93
UCF101Baiduipt1
hmdb51Baidul4w4

#Face datasets

DatasetLinkPassword
YaleBaiduj419
CelebaBaidu1kcq
FEIBaidu2rkw
LFWBaiduye4o
FERETBaidug2fz

Satellite images

DatasetLinkPassword
NWPU-RESISC45Baiduoxjz
UCMerced_LandUseBaidu2zms

##License
Only for non-commercial research and education purposes.

地下吉他手
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于LSTM实现乐器声音音频识别
CSDN 精品推荐
11-03 2565
该数据集包含吉他和钢琴两种乐器的音频文件。这些数据是从各种来源搜集来的。音乐是关于模式的。一旦你知道了这些“规则”和模式，你就可以自己解决很多问题了。大多数情况下，当其他一切保持不变时，大调的音乐被认为是快乐的，而小调的音乐被认为是悲伤的。数据集下载链接。
吉他和弦大调、小调音乐数据集
12-11
吉他和弦大调、小调数据集，此数据集包含500多个wav格式的音频文件。每个音频代表一个大调或小调的和弦。你可能知道，大和弦的声音更“快乐”，而小和弦的声音更“悲伤”。 吉他和弦大调、小调数据集，此数据集包含500多个wav格式的音频文件。每个音频代表一个大调或小调的和弦。你可能知道，大和弦的声音更“快乐”，而小和弦的声音更“悲伤”。
MSMT17_V1.txt
06-04
文件结构如下 1. train(folder) 2. test(folder) 3. list_gallery.txt(file) 4. list_query.txt(file) 5. list_train.txt(file) 6. list_val.txt(file)
MSMT17_V1数据集(需要的留下邮箱地址)
10-07
MSMT17_V1数据集就只有V1没有V2,其他资源需要的话，也可以免费发送；MSMT17_V1数据集就只有V1没有V2,其他资源需要的话，也可以免费发送；
MSMT17百度云地址.txt
07-22
行人重识别最新数据集：MSMT_V1版本数据集，为最初版本，MSMST17以及MSMT_V2版本若有需要，请私信邮箱！
行人重识别通用数据集及介绍
tcsone的博客
09-18 2216
行人重识别常用数据集及介绍
行人重识别 MSMT17数据集描述
热门推荐
hyk_1996的博客
08-12 2万+
        最近的CVPR2018会议上，提出了一个新的更接近真实场景的大型数据集MSMT17，即Multi-Scene Multi-Time，涵盖了多场景多时段。   早期数据集的缺点 （1）和实际的监控网络相比，数据集中行人和摄像头的数目不多； （2）大多数数据集仅覆盖单一场景； （3）时间跨度短，没有显著的光照变化； （4）行人检测器有昂贵的人工标注或过时的DPM模型实现。 ...
行人重识别数据集-MSMT17数据集
weixin_43203832的博客
01-12 9742
MSMT17数据集简介 MSMT17数据集是在CVPR2018会议上，提出的一个接近真实场景的大型数据集。 目录结构 MSMT17 ├── bounding_box_test 　　　　　　　├── 0000_c1_0002.jpg 　　　　　　　├── 0000_c1_0003.jpg 　　　　　　　├── 0000_c1_0005.jpg ├── bounding_box_train 　　　　　...
行人重识别数据集
dbdxwyl的博客
03-05 3062
1.Market-1501 清华大学校园，2015年，6摄像头， 训练集： 750人，12,936张图像 测试集： 750人，19,732张图像 query：测试集中的 702 人在每个摄像头中随机选择一张图像作为 query，共有 2,228 张图像 Market-1501-500k：在gallery中加入500k张与训练测试集都无重叠的干扰图片 计算指标时map或rank1，对于每张query图片剔除掉相同摄像头的图片 2.DukeMTMC-reID duke大学校园，8摄像..
十分类图像数据集
11-19
十种分类的图像数据集，处理后可用作CNN卷积神经网络训练。
1000首吉他谱数据
04-24
1000首优质的吉他谱数据，数据聚合自17吉他谱网、虫虫吉他谱和吉他社，含吉他谱名、作者、封面图片、吉他谱图片等。
行人重识别常用数据集（DukeMTMC-reID，Market-1501-v15.09.15，MSMT17，MSMT17_V1）
01-14
常用数据集百度云盘打包下载
行人检测数据集 USC数据集
12-07
USCPedestrianSetA\USCPedestrianSetB\USCPedestrianSetC 数据集 含有XML标注数据 可用于行人检测的数据集 供大家下载 在外网下载速度慢 所以放到CSDN上
乐器分类：使用各种机器学习算法对乐器进行分类
02-17
使用机器学习的乐器/音色分类 介绍 基于音频的乐器分类器，基于给定的简短音乐样本，根据音色识别乐器。 使用scikit-learn库中的各种机器学习算法对记录进行分类。 这是多类监督学习分类。 技术领域 的Python：3.7.4 Python库：numpy，matplotlib，pandas，seaborn，scikit-learn，librosa，soundfile 目录 背景 音色描述了独特的音质，即使在相同的音高或响度下也能区分乐器的声音。 这是由于每种仪器的独特频率特性。 测试的乐器是大提琴，教堂风琴，单簧管，长笛，吉他，竖琴，马林巴琴，皮诺琴，小提琴和合成效果器（PerlDrop和SynLead3）。 数据集 模拟各种乐器的电子键盘用于录制各种流派的音乐样本。 有关.wav文件中的录音，请参见“录音”文件夹。 数据预处理 数据清理 录音从立体声转换为单声道，然后重新采样至1
自己整理的数据集，用于深度学习 自己整理的数据集，用于深度学习 自己整理的数据集，用于深度学习 自己整理的数据集，用于深度学习
最新发布
04-10
自己整理的数据集，用于深度学习。自己整理的数据集，用于深度学习。自己整理的数据集，用于深度学习。自己整理的数据集，用于深度学习。自己整理的数据集，用于深度学习。自己整理的数据集，用于深度学习。
可用于深度学习训练的烟雾火灾数据集
06-02
自采集和搜集整理的烟雾和火灾数据集，数据集包括2w+图片，所有图片均采用VOC格式进行标注，标注的数据的类别有烟雾和火焰两种，比赛、毕设不可错过的必要数据集。提供的下载方式为百度网盘，下载文件中有下载的链接...
深度学习开源数据集分类汇总
05-16
学习数据分析需要持续进行实操，但很多读者找不到合适的数据集来练手，深度学习的三大要素：数据、算法、算力。 数据在深度学习中占据着非常重要的地位，一个高质量的数据集往往能够提高模型训练的质量和预测的准确...
基于深度学习的点云分割网络及点云分割数据集
soaring_casia的专栏
07-07 1721
传统的点云分割主要依赖聚类算法和基于随机采样一致性的分割算法，在很多技术上得到了广泛应用，但当点云规模不断增大时，传统的分割算法已经很难满足实际需要，这时就需要结合深度学习进行分割。......
写一份关于深度学习数据集的采集
05-05
深度学习数据集的采集是深度学习算法的重要组成部分，准确、丰富的数据集可以显著提高算法的性能。以下是一份关于深度学习数据集的采集的建议： 1. 确定数据集的目标和范围：在开始采集数据之前，需要明确数据集的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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