共有1200张彩色眼底照片。将数据集按1:1:1分成3个子集,用于训练,离线验证和现场测试,分层以具有相等的青光眼存在百分比。
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。
Visual Synset 网络标签图像
NUS-WIDE 是一个带有网络标签标注的图像数据,包含来自网站的 269648张 图像,5018类 不同的标签。
HARRISON 是一个对 Facebook、Twitter、Instagram 社交媒体中的图片进行标签标注(tag)的图像数据集。
该数据集包含大约36,000个不同类型场景中的名人图像。 包含4611位名人和16个场景。 图像是使用Google图像搜索获得的,并通过人工进行标注和检查。
SUN是一个场景内容理解图像数据,包括899个不同场景下的130519张场景图像。
Places 是一个场景图像数据集,包含 1千万张图片,400多个不同类型的场景环境,可用于以场景和环境为应用内容的视觉认知任务,由麻省理工学院维护。
Google Open Images 是Google公司开放的大型图像标注数据集,包含 900万张图像中 7800种类别内容的标注。
COCO的 全称是Common Objects in COntext,是微软团队提供的一个可以用来进行图像识别的数据集。MS COCO数据集中的图像分为训练、验证和测试集。