LSUN数据集、FFHQ数据集 迅雷网盘、百度网盘分享（所有子集）

已于 2024-03-08 11:27:39 修改
阅读量1.6k 收藏 24
点赞数 28
分类专栏： 数据集 文章标签： 数据集
于 2024-03-07 16:14:34 首次发布
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/sdbyp/article/details/136535702
版权

一、LSUN数据集

LSUN数据集是一个大规模图像数据集，出自论文《LSUN: Construction of a Large-scale Image Dataset using Deep Learning with Humans in the Loop》。这个数据集基于人类在循环中进行深度学习的构建，包含10个场景类别和20个对象类别，共计约100万张标记图像。相比ImageNet，LSUN数据集的标注更为丰富，不仅标注了图片中的主要物体，还进行了场景标注。


LSUN数据集的挑战赛主要集中于场景理解，包括场景对象检索、室外场景分割、RGB-D 3D物体检测和显著性检测等。每个类别的图像以LMDB格式存储，并且数据库被压缩。此外，LSUN数据集借助深度学习自动标注图片，这在一定程度上提高了标注的准确性和效率。


LSUN官网： http://dl.yf.io/lsun/


主要提供迅雷网盘资源，部分子集提供百度网盘资源，若资源失效，可私信。

1. 对象类别

子集名大小迅雷网盘百度网盘
airplane.zip34Ghttps://pan.xunlei.com/s/VNsMpyqDcNGFd1zskghCM-Q7A1?pwd=3n7i-
bicycle.zip129Ghttps://pan.xunlei.com/s/VNsMrXSh-AYMjRnAmbyR6SBUA1?pwd=effm-
bird.zip65Ghttps://pan.xunlei.com/s/VNsMrjpFVn9B2fIYL67L0I8sA1?pwd=q2u9#-
boat.zip86Ghttps://pan.xunlei.com/s/VNsMrr13PO2w6n1GBFocLAslA1?pwd=4jz5#-
bottle.zip64Ghttps://pan.xunlei.com/s/VNsMrzEwrPTHJC5aD0_g9DJtA1?pwd=g9xa#-
bus.zip24Ghttps://pan.xunlei.com/s/VNsMs7Df4fM0LGE6EXRjhXknA1?pwd=x2js#-
car.zip173Ghttps://pan.xunlei.com/s/VNsMsX1-fP2Z9jHm0D4yUKvsA1?pwd=v7ts#-
cat.zip42Ghttps://pan.xunlei.com/s/VNsMtk_5jHUhhtpwQeQVXgCqA1?pwd=qws7#点击保存
chair.zip116Ghttps://pan.xunlei.com/s/VNsMsSQ3-GGhhUofPw4r8uxnA1?pwd=qmcg#-
cow.zip15Ghttps://pan.xunlei.com/s/VNsMsGHhdZNnO7SyesW4Ztf9A1?pwd=wygn#-
dining_table.zip28Ghttps://pan.xunlei.com/s/VNsMslMNfP2Z9jHm0D4yUQRTA1?pwd=wkys#-
dog.zip145Ghttps://pan.xunlei.com/s/VNsMsgZ-Fb9C-ezM4N20WFcKA1?pwd=2k5d#-
horse.zip69Ghttps://pan.xunlei.com/s/VNsMssDVEbTKO8yCCDYNIbjrA1?pwd=qhg9#-
motorbike.zip42Ghttps://pan.xunlei.com/s/VNsMswF7T-u63eBevxxnLL9kA1?pwd=sjhs#-
person.zip477G处理中-
potted_plant.zip43Ghttps://pan.xunlei.com/s/VNsMt2CHW1U0SNN-00sJAXIpA1?pwd=vc99#-
sheep.zip18Ghttps://pan.xunlei.com/s/VNsMtCKVrOa2taJAKquJMU69A1?pwd=assg#-
sofa.zip56Ghttps://pan.xunlei.com/s/VNsMtGP2EyH0or7Y0iqkZSAlA1?pwd=xxmb#-
train.zip43Ghttps://pan.xunlei.com/s/VNsMtKM-T-u63eBevxxnLd5mA1?pwd=jw6k#-
tv-monitor.zip46Ghttps://pan.xunlei.com/s/VNsMtOIi-Ad39A1PWiWuX5QZA1?pwd=nzcj#-

2.场景类别

子集名大小迅雷网盘百度网盘
bedroom_train_lmdb.zip43Ghttps://pan.xunlei.com/s/VNsMvpc10mMVz408-K2shU7HA1?pwd=bspt#点击保存
bedroom_val_lmdb.zip4Mhttps://pan.xunlei.com/s/VNsMvtfIIr08EasS6gspQ_DgA1?pwd=9f8w#点击保存
bridge_train_lmdb.zip15Ghttps://pan.xunlei.com/s/VNsMvw4pofDXGR1puNVR9UEKA1?pwd=rjit#点击保存
bridge_val_lmdb.zip6Mhttps://pan.xunlei.com/s/VNsMvz7oWunvYYjhqBnySr_jA1?pwd=q5ex#点击保存
categories.txt110https://pan.xunlei.com/s/VNsMx9Riiu44x9s7itfEU0K1A1?pwd=g29z#-
church_outdoor_train_lmdb.zip2Ghttps://pan.xunlei.com/s/VNsMw1MDofDXGR1puNVR9WF8A1?pwd=nunq#点击保存
church_outdoor_val_lmdb.zip6Mhttps://pan.xunlei.com/s/VNsMw8V5-hvqBJgi1qtr6wJYA1?pwd=d39n#点击保存
classroom_train_lmdb.zip3Ghttps://pan.xunlei.com/s/VNsMwC9LcVhkZYojgo4yh22GA1?pwd=b4cp#点击保存
classroom_val_lmdb.zip6Mhttps://pan.xunlei.com/s/VNsMwEzluYR5M8H0sGGg_H_gA1?pwd=xtnr#点击保存
conference_room_train_lmdb.zip4Ghttps://pan.xunlei.com/s/VNsMwIYWuYR5M8H0sGGg_IUNA1?pwd=dx9i#点击保存
conference_room_val_lmdb.zip5Mhttps://pan.xunlei.com/s/VNsMwNGNiu44x9s7itfETUl4A1?pwd=p7d4#点击保存
dining_room_train_lmdb.zip11Ghttps://pan.xunlei.com/s/VNsMwQOPpY9faJUoxvG07XrKA1?pwd=t2g4#点击保存
dining_room_val_lmdb.zip5Mhttps://pan.xunlei.com/s/VNsMwTFW-hvqBJgi1qtr72uKA1?pwd=wmhv#点击保存
kitchen_train_lmdb.zip33Ghttps://pan.xunlei.com/s/VNsMwVfNmgpBpp-T2w4KrfAjA1?pwd=kz4b#点击保存
kitchen_val_lmdb.zip5Mhttps://pan.xunlei.com/s/VNsMwZu4q2dzBmFZcz87WmweA1?pwd=5fc5#点击保存
living_room_train_lmdb.zip21Ghttps://pan.xunlei.com/s/VNsMwctMgUrzF8slPQVL0QmnA1?pwd=2ywb#点击保存
living_room_val_lmdb.zip5Mhttps://pan.xunlei.com/s/VNsMwf651laPGRtbkIRLX0AoA1?pwd=5mcn#点击保存
restaurant_train_lmdb.zip13Ghttps://pan.xunlei.com/s/VNsMwi-Ew4uUuHGOE-ziTwx9A1?pwd=cxec#点击保存
restaurant_val_lmdb.zip6Mhttps://pan.xunlei.com/s/VNsMwnJknYFDIQjHDLQ73jcdA1?pwd=fe3c#点击保存
test_lmdb.zip172Mhttps://pan.xunlei.com/s/VNsMwuvHmgpBpp-T2w4Krmm-A1?pwd=ka2m#-
tower_train_lmdb.zip11Ghttps://pan.xunlei.com/s/VNsMwxvOmgpBpp-T2w4Krn_CA1?pwd=4739#点击保存
tower_val_lmdb.zip5Mhttps://pan.xunlei.com/s/VNsMx-CsLjFWCauPJFcoL2ZcA1?pwd=2rkk#点击保存

二、FFHQ数据集

FFHQ数据集全称Flickr-Faces-Hight-Quality，是英伟达为生成对抗网络（GAN）设计的基准，并也用于StyleGAN的训练数据集中。该数据集于2019年开源，是一个高质量的人脸图像数据集，包含了70,000张PNG格式的高清人脸图像，每张图像的分辨率均为1024×1024。这些图像在年龄、种族和图像背景上丰富多样且差异明显，同时在人脸属性上也具有很多变化，如不同的年龄、性别、种族、肤色、表情、脸型、发型和人脸姿态等。此外，数据集中还包括了各种配饰，如普通眼镜、太阳镜、帽子、发饰及围巾等。

FFHQ数据集的图像来源于Flickr，所有图像均经过许可才下载，并使用了dlib进行人脸对齐和裁剪。在数据处理过程中，算法还移除了非真实人脸图像，如雕像、画作及照片等。该数据集主要存储于谷歌云盘，并且每张图像都带有多种属性标签，这些标签可用于训练和评估计算机视觉系统。

在机器学习和计算机视觉研究中，FFHQ数据集提供了宝贵的资源。前60,000张图像通常用于训练，而剩余的10,000张则用于验证。与CelebA-HQ数据集相比，FFHQ数据集更大、更具多样性，因此更适合用于高质量人脸生成任务。

FFHQ1024数据集：链接：https://pan.baidu.com/s/1HSpDKECnZINb3nevqoFSBg?pwd=yuq9
提取码：yuq9

大白很火
关注
专栏目录
数据集FFHQ和LSUN介绍【包含FFHQ1024,515,256,128分辨率图像获取方法】
zik的博客
03-26 2983
FFHQ全称Flickr-Faces-High-Quality（Flickr-Faces-HQ），最初是作为生成式对抗网络(GAN)的基准创建的，也用于StyleGAN的训练数据集中，并由英伟达于2019年开源。CVPR_2019Flickr-Faces-HQ (FFHQ)其由 70,000 张分辨率为 1024×1024 的高质量 PNG 图像组成，在年龄、种族和图像背景方面包含相当大的差异。它对眼镜、太阳镜、帽子等配饰也有很好的覆盖。
LSUN数据集(dining_room子集)
04-27
类似ImageNet的大规模数据集，相对ImageNet,LSUN分类更丰富，不仅有物品分类，也要场景分类，下载文件内附百度云盘提取码。
LSUN数据集 (简介，下载，格式转换及bug修复)
disanda的专栏
04-27 1万+
LSUN数据集 类似ImageNet的大规模数据集，最早出自这篇论文： 《LSUN: Construction of a Large-Scale Image Dataset using Deep Learning with Humans in the Loop》 这个数据集借助深度学习自动标注图片，相比ImageNet, 其标注更丰富，不仅有图片中主要物体的标注，还有场景标注。 其中场景标注是...
LSUN数据集与FFHQ数据集下载指南
最新发布
gitblog_06585的博客
09-20 418
LSUN数据集与FFHQ数据集下载指南 LSUN数据集FFHQ数据集迅雷网盘百度网盘分享所有子集 项目地址: https://gitcode.com/Resource-Bundle-Collection/f217c ...
Large-scale Scene Understanding (LSUN) 竞赛
家家的专栏
06-02 1883
http://lsun.cs.princeton.edu/#organizers
英伟达stylegan人脸数据集download_ffhq.py
01-21
英伟达开源的人脸数据集 1. 编辑train.py，通过取消注释或者修改某些行，来指定数据集和训练配置； 2. 用train.py来运行训练脚本； 3. 结果会写在一个新目录里，叫results/-； 4. 训练直至完成，几天时间可能是要的。 (最好有一台英伟达高端GPU，至少11GB的DRAM，再开始训练。有很多台的话，当然更好。) 至于训练好的模型该怎样评估，大家可以去项目页自行观察。
LSUN数据集(bedroom子集)
04-27
LSUN数据集(bedroom),文件中包含百度网盘提取码。LSUN是一个比较有特色的大规模数据集，相对ImageNet而言，分类更丰富，不仅有物体分类，还有场景分类。
FFHQ-Aging-Dataset:FFHQ老化数据集
03-20
FFHQ老化数据集 || 概述 FFHQ-Aging是人脸数据集，旨在对年龄转换算法以及许多其他可能的视觉任务进行基准测试。 该数据集是NVIDIA 的扩展，在70,000张原始FFHQ图像的基础上，它还包含每个图像的以下信息： 性别信息（具有信心分数的男性/女性） 年龄段信息（10个班级，得分为可信度） 头部姿势（俯仰，横摇和偏航） 眼镜类型（无，正常或黑暗） 眼遮挡得分（0-100，每只眼睛的得分不同） 完整的语义图（19个类，基于CelebAMask-HQ标签） 如果您将此数据集用于您的工作，请引用我们的论文： 寿命年龄转换综合Roy Or-El，Soumyadip Sengupta，Ohaad Fried，Eli Shechtman，Ira Kemelmacher-Shlizerman ECCV 2020 数据集统计 以下直方图显示了每个性别的年龄段分布。 性别标签和置信度，年龄
LSUN数据集（包括论文和kitchen子集）
04-27
类似ImageNet的大规模数据集，相对ImageNet,LSUN分类更丰富，不仅有物品分类，也要场景分类，下载文件内附百度云盘提取码。
LSUN数据集（Large-Scale Scene Understanding）
不务正业的猿
06-03 1568
使用深度学习框架（如PyTorch或TensorFlow）时，用户可以按照框架的API文档读取训练图像和标签，进行模型的训练和测试。该数据集的设计初衷是为了满足深度学习和计算机视觉研究对大规模、多样性图像数据的需求，以训练出更准确、更强大的视觉模型。LSUN数据集中的图像通常以LMDB格式存储，这是一种高效的键值存储数据库格式，适用于大规模图像数据的存储和检索。用户需要注册账号并登录后，方可获取下载链接。LSUN数据集中的图像均为高分辨率，能够捕捉到更多的细节信息，有助于模型进行更精确的场景理解。
ffhq-dataset:Flickr-Faces-HQ数据集（FFHQ）
04-28
Flickr-Faces-HQ数据集（FFHQ） Flickr-Faces-HQ（FFHQ）是高质量的人脸图像数据集，最初创建为生成对抗网络（GAN）的基准： 用于生成对抗网络的基于样式的生成器体系结构Tero Karras（NVIDIA），Samuli Laine（NVIDIA），Timo Aila（NVIDIA） 该数据集包含70,000张分辨率为1024×1024的高质量PNG图像，并且在年龄，种族和图像背景方面均存在很大差异。 它还覆盖了诸如眼镜，太阳镜，帽子等配件。图像是从抓取的，从而继承了该网站的所有偏见，并使用自动对齐和裁剪。 仅收集了许可许可下的图像。 各种自动过滤器用于修剪该布景，最后使用去除偶发的雕像，油画或照片照片。 如有业务咨询，请联系 媒体及其他查询，请通过与Hector Marinez联系。 执照 各个图像是由其各自的作者在Flickr中根据 ，
FFHQ数据集 64x64规格
07-27
FFHQ数据集 64x64规格
lsun:LSUN数据集文档和演示代码
04-13
LSUN 请检查以获取有关数据集的更多信息。 数据发布 一类中的所有图像都存储在一个lmdb数据库文件中。 每个条目的值是jpg二进制数据。 我们调整所有图像的大小，使较小的尺寸为256，并以质量75压缩jpeg中的图像。 引用LSUN 如果您发现LSUN数据集对您的研究有用，请考虑引用： @article{yu15lsun, Author = {Yu, Fisher and Zhang, Yinda and Song, Shuran and Seff, Ari and Xiao, Jianxiong}, Title = {LSUN: Construction of a Large-scale Image Dataset using Deep Learning with Humans in the Loop}, Journal = {arXiv preprin
LSUN-church测试数据集
06-26
LSUN-church测试数据集，下载后解压，是lmdb文件格式，请使用lmdb库打开运行
ffhqr-dataset:FFHQR——第一个用于计算机视觉研究的大规模修饰数据集
05-29
Flickr-Faces-HQ-Retouching (FFHQR) 数据集 Flickr-Faces-HQ-Retouching (FFHQR) 是一个高质量的人脸修饰图像数据集。 该数据集作为以下论文的一部分发布： AutoRetouch：自动专业面部修饰Alireza Shafaei ( ), James J. Little (UBC), Mark Schmidt (UBC) 2021 年计算机视觉应用冬季会议 (WACV) • • • •视频• 原始 FFHQ 数据集包含 70,000 张从 Flickr 收集的 1 MP 面部对齐图像。 我们对FFHQ进行专业润色以创建FFHQR。 FFHQR 是第一个大规模公开的修饰数据集。 我们选择 FFHQ 作为我们新数据集的基础，因为年龄、种族、光照条件各不相同，并且可以从面部修饰中受益的大量图像。 媒体，业务和其他查询，请联系
styleGan数据集ffhq-dataset
热门推荐
qq_37867534的博客
05-21 1万+
ffhq数据集百度网盘分享ffhq-dataset（images1024x1024） ffhq-dataset（images1024x1024） 因为ffhq-dataset这个数据集存在谷歌云盘上，虽然配备了相应的下载代码，但是下载实在是有些麻烦，不仅要翻个墙，还会时不时下载中断，花了一天多的成果决定把它先放到百度网盘上，但是因为电脑内存小了点，只下了一部分，以后有机会再接着更新了 链接：ht...
【数据集】Flickr-Faces-HQ (FFHQ) 数据集介绍，官网下载
q742971636的博客
01-10 2080
Flickr-Faces-HQ（FFHQ）是一个高质量的人脸图像数据集，最初是为生成对抗网络（GAN）设计的基准。这个数据集包含了丰富的人脸图像，涵盖了不同的年龄、种族和背景，为机器学习和计算机视觉研究提供了宝贵的资源。数据来源：这些图像是从Flickr上爬取的，因此它们继承了该网站的所有偏见。图像分辨率：所有图像的分辨率都是1024×1024，共有70,000张PNG格式的高质量图像。多样性：数据集中包含了各种配饰，如眼镜、太阳镜、帽子等。许可证。
tensorflow 数据集
wwwsssZheRen的博客
02-20 668
1、关于tf数据集 需要加入tf.enable_eager_execution() import tensorflow.compat.v1 as tf tf.disable_v2_behavior() import tensorflow_datasets as tfds import numpy as np import matplotlib.pyplot as plt #...
lsun car数据集
07-28
LSUN车辆数据集是一个广泛应用于计算机视觉领域的重要数据集。该数据集包含了大量来自街道和高速公路的车辆照片。它提供了多种不同场景下的车辆图像，包括不同的天气条件（如晴天、阴天、雨天等）、不同的路况（如城市道路、乡村道路）以及不同的时间和地点。这些图像是通过各种传感器（如摄像机、雷达等）捕捉到的真实世界数据，具有很高的真实性和丰富的多样性。 LSUN车辆数据集对于车辆识别、车辆检测、行为分析等计算机视觉任务具有重要的意义。通过使用LSUN车辆数据集，研究人员可以训练和评估各种车辆识别和检测算法。此外，该数据集还可用于开发自动驾驶相关的算法和系统，帮助车辆感知周围环境和做出相应的决策。 LSUN车辆数据集的使用可以促进计算机视觉领域的研究和发展，提高车辆相关任务的性能和效果。研究人员可以通过探索和分析这个数据集，发现并解决在车辆视觉分析中的挑战和问题。此外，LSUN车辆数据集还可以用于评估和对比不同算法的性能，推动计算机视觉算法的发展和改进。 总之，LSUN车辆数据集是一个广泛应用于计算机视觉领域的重要数据集。它的使用可以促进车辆相关任务的研究和发展，推动计算机视觉算法的进步。
评论 2
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