電腦視覺資料集 (2)

請我喝杯咖啡☕

*我的貼文解釋了 MNIST、EMNIST、QMNIST、ETLCDB、Kuzushiji 和 Moving MNIST。

(1) 時尚-MNIST(2017):

• 有 70,000 張時尚圖像，每個圖像都連接到 10 個類別的標籤： *備註：
  • 火車 60,000，測試 10,000。
  • 每個影像都是 28x28 像素。
• 是 PyTorch 中的 FashionMNIST()。

(2) 加州理工學院 101(2003):

• 有 8,677 個物件影像，每個影像都連接到來自 101 個類別（類別）的標籤。 *每張影像大約為 300x200 像素。
• 是 PyTorch 中的 Caltech101()。

(3) 加州理工學院 256(2007):

• 有 30,607 個物件影像連接到來自 257 個類別（類別）的標籤。 *實際上，它有 257 個類別（類別），名稱為 Caltech 256。
• 是 PyTorch 中的 Caltech256()。

(4) CelebA(大規模 CelebFaces 屬性)(2015):

• 有 202,599 張名人臉部圖像，每個圖像都與 40 個屬性相關： *備註：
  • 162,770 用於訓練，19,867 用於驗證，19,962 用於測試。
  • 建議直接從Google Drive下載，因為從Google Drive使用Google Drive API下載太擁擠。
• 是 PyTorch 中的 CelebA()。

(5) CIFAR-10(加拿大高級研究所-10)(2009):

• 有 60,000 張車輛和動物圖像，每個圖像都連接到 10 個類別的標籤： *備註：
  • 火車 50,000，測試 10,000。
  • 每張影像為 32x32 像素。
• 是 PyTorch 中的 CIFAR10()。

(6) CIFAR-100(加拿大高級研究所-100)(2009):

• 有 60,000 個物件影像，每個影像都連接到來自 100 個類別的標籤： *備註：
  • 火車 50,000，測試 10,000。
  • 每張影像為 32x32 像素。
• 是 PyTorch 中的 CIFAR100()。

以上是電腦視覺資料集 (2)的詳細內容。更多資訊請關注PHP中文網其他相關文章！