Caltech-256 是一个图像物体识别数据集,包含 30608 张图片,256个物体类别,每类图片最少80张,最多827张。
CACD 数据集是一个用于跨年龄的人脸识别和检索的大规模数据集, 包含来自互联网的 2,000 名名人的 163,446 张图片。
CIFAR-10数据集由10个类的60000个32x32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。
MNIST是最受欢迎的深度学习数据集之一,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。
Labeled Fishes in the Wild 为鱼类图像数据集,图像中包含鱼类、无脊椎动物和河床,通过部署在远程操作潜水器上的渔业统计摄像系统拍摄得到的。
形状有很多不同的类型,因此能够区分它们很重要;专为初学者学习神经网络而设计的数据集。
DAVIS 是一个像素完美匹配标注的数据集. 它的目标是重建真实的视频场景,如摄像机抖动、背景混杂、遮挡以及其它复杂状况。
Microsoft Research Cambridge的去马赛克数据集由原始图像集及其降级版本组成,可用于在线性空间和色彩空间中学习和评估去马赛克(以及可能的其他任务,例如去噪)。
数据集共包含2688张照片,主要是室外自然风景和城市建筑,适用于语义分割研究。
该项目由多标签图像数据集ML-Images,以及业内目前同类深度学习模型中精度最高的深度残差网络ResNet-101构成。