【资料集合】图像分类与检测领域常用数据集汇总

最新推荐文章于 2022-12-02 11:10:50 发布

李是李雅普诺夫的李

最新推荐文章于 2022-12-02 11:10:50 发布

阅读量211

点赞数

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_41742361/article/details/108092002

版权

图像分类与检测领域常用数据集汇总

图像分类与检测领域常用数据集
数据库	图像数目	类别数目	每类图像数目	图像大小（pixel）	数据库论文（点击即可获取论文，如果无法下载，推荐使用SCI-HUB）
MNIST	60000	10	6000	28x28	Gradient-based learning applied to document recognition
CIFAR-10	60000	10	6000	32x32	Learning multiple layers of features from tiny images
MPEG-7	1400	70	20	256x256-650x600	Shape descriptors for non-rigid shapes with a single closed contour
15 Scenes	4485	15	200-400	约 300x250	Beyond bags of features: Spatial pyramid matching for recognizing natural scene categories
Caltech-101	9146	101	40-800	约 300x200	Learning generative visual models from few training examples: An incremental bayesian approach tested on 101 object categories
Caltech-256	30607	256	>80	约 300x200	Caltech-256 object category dataset
PASCAL VOC 2007	9963	20	96-2008	约 470x380	The PASCAL Visual Object Classes (VOC) Challenge
SUN397	108754	397	>100	约 500x300	Sun database: Large-scale scene recognition from abbey to zoo
SUN2012	16873	8	2000	约 500x300	Sun database: Large-scale scene recognition from abbey to zoo
Tiny Images	7900万	75062	-	32x32	80 million tiny images: A large data set for nonparametric object and scene recognition
ImageNet-1000	120万	1000	-	约 500x400	Imagenet: A large-scale hierarchical image database
ImageNet	1400万	10万	1000	约 500x400	Imagenet: A large-scale hierarchical image database

欢迎关注公众号：一刻AI

参考文献：黄凯奇, 任伟强, 谭铁牛. 图像物体分类与检测算法综述[J]. 计算机学报, 2014, 37(6): 1225-1240.

李是李雅普诺夫的李

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
【资料集合】图像分类与检测领域常用数据集汇总

图像分类与检测领域常用数据集汇总图像分类与检测领域常用数据集数据库图像数目类别数目每类图像数目图像大小（pixel）数据库论文（点击即可获取论文，如果无法下载，推荐使用SCI-HUB）MNIST6000010600028x28Gradient-based learning applied to document recognition...
复制链接

扫一扫

李是李雅普诺夫的李 CSDN认证博客专家 CSDN认证企业博客

码龄6年

73: 原创

7万+: 周排名

60万+: 总排名

10万+: 访问

: 等级

1497: 积分

112: 粉丝

112: 获赞

38: 评论

1032: 收藏

私信

关注

热门文章

分类专栏

最新评论

C++实现yolov5的OpenVINO部署（项目地址见文章末尾）
卍青涩的梦卍: 这个能直接用吗？
C++实现yolov5的OpenVINO部署（项目地址见文章末尾）
2301_79448073: 博主，你看这个和上次那个那个效果好一点，已私
C++实现yolov5的OpenVINO部署（项目地址见文章末尾）
2301_79448073: #include <iostream> #include <fstream> #include <vector> #include <inference_engine.hpp> #include <ie_common.h> #include <runtime/properties.hpp> using namespace std; using namespace InferenceEngine; //定义一些常量和全局变量： const string MODEL_PATH = "model"; const string WAV_FILE_PATH = "audio.wav"; const string OUTPUT_FILE_PATH = "output.txt"; // 音频文件头信息 struct WavHeader { char chunkID[4]; int chunkSize; char format[4]; char subchunk1ID[4]; int subchunk1Size; short audioFormat; short numChannels; int sampleRate; int byteRate; short blockAlign; short bitsPerSample; char subchunk2ID[4]; int subchunk2Size; }; InferenceEngine::CNNNetwork network; InferenceEngine::ExecutableNetwork executableNetwork; InferenceEngine::InferRequest inferRequest; //实现音频文件解析函数： bool parseWavFile(const string& filePath, vector<float>& audioData, WavHeader& header) { ifstream file(filePath, ios::binary); if (!file) { cerr << "Failed to open WAV file: " << filePath << endl; return false; } file.read(reinterpret_cast<char*>(&header), sizeof(WavHeader)); if (string(header.chunkID, 4) != "RIFF" || string(header.format, 4) != "WAVE" || string(header.subchunk1ID, 4) != "fmt " || string(header.subchunk2ID, 4) != "data") { cerr << "Invalid WAV file format: " << filePath << endl; return false; } const size_t dataSize = header.subchunk2Size / sizeof(float); audioData.resize(dataSize); file.read(reinterpret_cast<char*>(audioData.data()), header.subchunk2Size); return true; } //实现推理引擎初始化函数： bool initInferenceEngine() { try { InferenceEngine::Core core; //加载网络模型 network = core.ReadNetwork(MODEL_PATH); // 加载推理引擎 ExecutableNetwork executableNetwork = core.LoadNetwork(network, "CPU");// 创建推理请求 InferRequest inferRequest = executableNetwork.CreateInferRequest(); } catch (exception& ex) { cerr << "Failed to initialize inference engine: " << ex.what() << endl; return false; } return true; } //实现音频推理函数： void performInference(const vector<float>& audioData) { const size_t inputSize = audioData.size() * sizeof(float); auto inputBlob = inferRequest.GetBlob(network.getInputsInfo().begin()->first); auto outputBlob = inferRequest.GetBlob(network.getOutputsInfo().begin()->first); // 设置输入数据 auto inputBuffer = inputBlob->buffer().as<float*>(); memcpy(inputBuffer, audioData.data(), inputSize); // 进行推理 inferRequest.Infer(); // 获取输出数据 auto outputBuffer = outputBlob->buffer().as<float*>(); const size_t outputSize = outputBlob->size() / sizeof(float); vector<float> outputData(outputBuffer, outputBuffer + outputSize); // 处理输出数据，这里以保存到文件并打印为例 ofstream outputFile(OUTPUT_FILE_PATH); if (outputFile) { for (const auto& value : outputData) { outputFile << value << endl; cout << value << endl; } outputFile.close(); } else { cerr << "Failed to open output file: " << OUTPUT_FILE_PATH << endl; } } //主函数中调用上述函数： int main() { WavHeader header; vector<float> audioData; if (!parseWavFile(WAV_FILE_PATH, audioData, header)) { return 1; } if (!initInferenceEngine()) { return 1; } performInference(audioData); return 0; }
单目深度估计数据集：NYU Depth Dataset V2
牛魔王的角没了: 你好，提取到的rawDepths四周有一圈黑边，请问这样还是和RGB图是对齐的吗？不想要黑边除了裁剪外还有别的处理方法吗?
全网最全开源工业缺陷数据集汇总
C_HDong: 9桥梁裂缝图像数据, 用的话引用哪篇论文呢

您愿意向朋友推荐“博客详情页”吗？

强烈不推荐
不推荐
一般般
推荐
强烈推荐

提交

最新文章

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

李是李雅普诺夫的李 欢迎关注公众号：一刻AI

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

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。