史上最详细深度学习与神经网络讲解（三）

最新推荐文章于 2024-07-25 23:06:58 发布

Wa_bin_ya

最新推荐文章于 2024-07-25 23:06:58 发布

阅读量1.2k

点赞数 27

文章标签：深度学习神经网络人工智能

本文链接：https://blog.csdn.net/weixin_62646930/article/details/137674206

版权

本文介绍了神经网络和深度学习中常用的几个数据集，包括MNIST的手写数字数据集，Fashion-MNIST的时尚物品数据集，CIFAR-10的彩色图像数据集，以及PASCALVOC、MSCOCO、ImageNet和ILSVRC2012等大型多样化场景和物体识别数据集。

摘要由CSDN通过智能技术生成

神经网络与深度学习

常用数据集总结

常用数据集总结

MNIST数据集

MNIST数据集是由0~9手写数字图片和数字标签所组成，有60000个训练样本和10000个测试样本组成，每个样本都是一张28*28像素的灰度手写数字图片。
在这里插入图片描述

Fashion-MNIST数据集

FashionMNIST是一个替代MNIST手写数据集的图像数据集。它是由Zalando旗下的研究部门提供，涵盖了来自10种类别的共7万个不同商品的正面图象。FashionMNIST的大小、格式和训练集、测试集划分与原始MNIST完全一致。
在这里插入图片描述

CIFAR-10数据集

CIFAR-10数据集由10个类的60000个32×32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。

在这里插入图片描述

PASCAL VOC数据集

PASCAL的全称是Pattern Analysis,Statistical Modelling and Computational Learning
VOC的全称是Visual Object Classes
目标分类（识别）、监测、分割最常用的数据集之一
一共分成20类：

person
bird, cat, cow, dog, horse, sheep
aeroplane, bicycle, boat, bus, car, motorbike, train
bottle, chair, dining, table, potted plant, sofa, tv/monitor

在这里插入图片描述

MS COCO数据集

MS COCO的全称Miscrosoft Common Objects in Context，起源于微软2014年出资标注的Miscrosoft COCO数据集。数据集以scene understanding 为目标，主要从复杂的日常场景中截取。包含目标分类（识别）、检测、分割、语义标注等数据集。
MS COCO提供的标注类别有80类，有超过33万张图片，其中20万张有标注，整个数据集中个体的数目超过150万个。
在这里插入图片描述