关于数据集（你知道哪些数据集？）（图像）

最新推荐文章于 2024-08-14 19:12:12 发布

John9ML

最新推荐文章于 2024-08-14 19:12:12 发布

阅读量5.6k

点赞数 4

分类专栏：图像处理

本文链接：https://blog.csdn.net/weixin_38570251/article/details/82013837

版权

本文介绍了几个经典的深度学习图像数据集，如MNIST、MS-COCO、ImageNet、Open Images等，它们在图像识别、分割和语义理解等领域发挥重要作用。每个数据集的特性、规模和应用场景进行了详述，对于研究和开发具有指导价值。

摘要由CSDN通过智能技术生成

1.MNIST

d232ec9c62087f6060aac961678344187aca3140

MNIST是最受欢迎的深度学习数据集之一，这是一个手写数字数据集，包含一组60,000个示例的训练集和一个包含10,000个示例的测试集。这是一个很好的数据库，用于在实际数据中尝试学习技术和深度识别模式，同时可以在数据预处理中花费最少的时间和精力。

大小： 50 MB

记录数量： 70,000张图片被分成了10个组。

下载地址：
http://yann.lecun.com/exdb/mnist/index.html

2.MS-COCO

17c48f5075d912d34d36f716a918876f3993e629

COCO(Common Objects in Context)是一个新的图像识别、分割和图像语义数据集，它有如下特点：
1）Object segmentation
2）Recognition in Context
3）Multiple objects per image
4）More than 300,000 images
5）More than 2 Million instances
6）80 object categories
7）5 captions per image
8）Keypoints on 100,000 people

COCO数据集由微软赞助，其对于图像的标注信息不仅有类别、位置信息，还有对图像的语义文本描述，COCO数据集的开源使得近两三年来图像分割语义理解取得了巨大的进展，也几乎成为了图像语义理解算法性能评价的“标准”数据集。

Google开源的开源了图说生成模型show and tell就是在此数据集上测试的，想玩的可以下下来试试哈。

数据集大小：~40GB
下载地址：http://