深度學習資料集+模型說明

標籤：

1、mnist

Google實驗室的Corinna Cortes和紐約大學柯朗研究所的Yann LeCun建的一個手寫數字資料庫，訓練庫有60,000張手寫數位影像，測試庫有10,000張。對應的手寫辨識模型為LeNet。

資料地址：http://yann.lecun.com/exdb/mnist/

 

2、cifar10

由Hinton的兩個大弟子Alex Krizhevsky、Ilya Sutskever收集的一個用於普適物體識別的資料集。Cifar是加拿大牽頭投資的一個先進科學項目研究所。

CIFAR-10資料集包含60000個32*32的彩色映像，共有10類。有50000個訓練映像和10000個測試映像。資料集分為5個訓練塊和1個測試塊，每個塊有10000個映像。測試塊包含從每類隨機播放的1000個映像。訓練塊以隨機的順序包含這些映像，但一些訓練塊可能比其它類包含更多的映像。訓練塊每類包含5000個映像。類間完全互斥。這個資料集最大的特點在於將識別遷移到了普適物體，而且應用於多分類（姊妹資料集Cifar-100達到100類，ILSVRC比賽則是1000類）。同已經成熟的Face Service相比，普適物體識別挑戰巨大，資料中含有大量特徵、雜訊，識別物體比例不一，而且分類龐大。

 

3、cifar100

資料集包含100小類，每小類包含600個映像，其中有500個訓練映像和100個測試映像。100類被分組為20個大類。每個映像帶有1個小類的“fine”標籤和1個大類“coarse”標籤。

 

4、ImageNet

ImageNet 是一個電腦視覺系統識別項目，是目前世界像識別最大的資料庫。2010年，來自斯坦福大學、普林斯頓大學及哥倫比亞大學的科學家們啟動ImageNet大規模視覺識別挑戰賽（ImageNet Large Scale Visual Recognition Challenge，ILSVRC）。ILSVRC2012是2012年的比賽資料集，在此次比賽中，Alex提出的AlexNet網路結構模型贏得了冠軍；ILSVRC2014是2014年的比賽資料集，在此次比賽中，GoogLeNet，VGGNet分獲冠亞軍。

 

深度學習資料集+模型說明