機器學習數據集(Dataset)

 

 

1. CIFAR-10 & CIFAR-100

    CIFAR-10包含10個類別，50,000個訓練圖像，彩色圖像大小：32x32，10,000個測試圖像。

    （類別：airplane，automobile, bird, cat, deer, dog, frog, horse, ship, truck）

    （作者：Alex Krizhevsky, Vinod Nair, and Geoffrey Hinton）

    （數據格式：Python版本、Matlab版本、二進制版本<for C程序>）

     CIFAR-100與CIFAR-10類似，包含100個類，每類有600張圖片，其中500張用於訓練，100張用於測試；這100個類分組成20個超類。每個圖像有一個"find" label和一個"coarse"label。

2. 圖像分類結果及對應的論文

    圖像分類結果及應的論文，包含數據集：MNIST、CIFAR-10、CIFAR-100、STL-10、SVHN、ILSVRC2012 task 1     

    ILSVRC： ImageNet Large Scale Visual Recognition Challenge

3. ImageNet

    ImageNet相關信息如下：

    1）Total number of non-empty synsets: 21841
    2）Total number of images: 14,197,122
    3）Number of images with bounding box annotations: 1,034,908
    4）Number of synsets with SIFT features: 1000
    5）Number of images with SIFT features: 1.2 million

4. COCO

    COCO(Common Objects in Context)是一個新的圖像識別、分割、和字幕數據集，它有如下特點：

    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 2016 Detection Challenge(2016.6.1-2016.9.9)和COCO 2016 Keypoint Challenge(2016.6.1-2016.9.9)已經由Microsoft發起 由ECCV 2016(ECCV：European Conference On Computer Vision )。

4. 3D數據

   1）RGB-D People Dataset

     2）NYU Hand Pose Dataset code

   3）Human3.6M (3D Human Pose Dataset)

         - 《Iterated Second-Order Label Sensitive Pooling for 3D Human Pose Estimation》

5. 人臉Dataset

   1）LFW (Labeled Faces in the Wild) 

6. Stereo Datasets

   2）Middlebury Stereo Datasets

   3）KITTI Vision Benchmark Suite

 

7. 普林斯頓大學人工智能自動駕駛汽車項目

 

   1）Deep Drive

    2）Source Code and Data