本文介绍了多个用于迁移学习的数据集，如Office-31、Office+Caltech、MNIST+USPS、Animals-with-Attributes、Office-Home和VisDA，涵盖了图像识别、手写数字识别、动物分类和视觉领域适应等多个场景，为迁移学习研究提供参考。
终于要开始做这个方向了，记录一下吧。
迁移学习常用的数据集
部分图截取自各个网站，同时感谢王晋东（知乎账号：王晋东不在家）博士的分享
（https://github.com/jindongwang/transferlearning/blob/master/ ，
数据集Office-31，Office+Caltech，VLSC都可以在该项目下找到）
一． Office-31
（Object recognition数据集）
包含了31类的数据，全部是Office的数据，数据来源为A(Amazon), W(Webcam) 和D(DSLR)，BenchMark如下图所示：
二．Office+Caltech
（Object recognition数据集）
包含有2533个样本，包含（C A W D）四种数据库的数据， C(Caltech), A(Amazon), W(Webcam) 和D(DSLR)，其中C有1123个，A有958个，W有295个，D有157个，数据集提供了SURF特征和DeCAF（A Deep Convolutional Activation Featurefor Generic Visual Recognition）特征
最低0.47元/天 解锁文章
扫一扫
9189
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
