有哪些识别衣服的数据集
时间: 2024-06-09 09:04:58 浏览: 19
以下一些常用的衣服识别数据集:
1. Fashion-MNIST:是一个由 Zalando Research 开发的数据集,包含了 10 类不同类型的衣物图像,共计 70,000 张图片。
2. DeepFashion:是一个来自香港中文大学的数据集,包含了超过 800,000 张衣物图片,涵盖了多种品牌、风格和场合。
3. COCO Clothes:是一个来自 Microsoft COCO 数据集的扩展版本,包含了超过 200,000 张衣物图片,涵盖了多种品牌、风格和场合。
4. ModaNet:是一个来自 Cornell University 的数据集,包含了超过 55,000 张时尚图片,涵盖了多种品牌、风格和场合。
5. iMaterialist Fashion:是一个来自 Kaggle 的数据集,包含了超过 200,000 张衣物图片,涵盖了多种品牌、风格和场合。
这些数据集可用于训练和评估衣服识别模型。
相关问题
github开源数据集
GitHub上有很多开源数据集,以下是其中一些:
1. COCO (Common Objects in Context): 一个广泛使用的图像识别和分割数据集,包含超过33万张图像和超过200万个标记。
2. Open Images Dataset: 一个超过90万张图像的开源数据集,其中包含了超过6千万个标记,用于图像分类、对象检测等任务。
3. IMDb数据集:一个基于互联网电影数据库的数据集,包含了超过100万部电影和电视节目的信息。
4. Kaggle数据集:一个由Kaggle社区贡献的开源数据集,涵盖了各种领域,包括自然语言处理、图像识别、数据可视化等。
5. Yelp数据集:一个由Yelp评论数据组成的数据集,包含了超过700万条评论和超过20万家商家的信息。
6. Fashion MNIST数据集:一个用于衣服分类的数据集,包含了7万张28x28像素的灰度图像。
7. Enron邮件数据集:一个包含了Enron公司员工发送和接收的大量电子邮件的数据集,用于电子邮件分类和分析。
8. MNIST数据集:一个用于手写数字识别的数据集,包含了6万张28x28像素的灰度图像。
这些数据集可以在GitHub上找到,可以自由下载和使用。
列出几个机器学习数据集
### 回答1:
机器学习数据集包括MNIST,CIFAR-10,ImageNet,Kaggle,Stanford Questions,Semantic3D,Baidu Apollo Scape,Comma.ai,COCO,UC Irvine Machine Learning Repository等。
### 回答2:
以下是几个常见的机器学习数据集:
1. MNIST手写数字数据集:包含60,000个用于训练和10,000个用于测试的手写数字图像,是一个常用的分类任务数据集。
2. CIFAR-10图像数据集:包含60,000个32x32彩色图像,分为10个类别,每个类别有6,000个图像,常用于图像分类任务。
3. IMDB电影评论数据集:包含25,000个极性正负面的电影评论文本,可用于情感分析任务。
4. Boston房价数据集:包含506个波士顿地区的房价样本,包含13个特征,如平均房间数、犯罪率等,常用于房价预测任务。
5.UCI机器学习库:包含了众多机器学习数据集,覆盖了各种数据类型和任务,如鸢尾花数据集、Wine酒类数据集等。
6. MovieLens电影评分数据集:包含用户对电影的评分数据,可以用于推荐系统任务。
7. Reddit评论数据集:包含来自Reddit社区的评论文本数据,可用于文本分类或情感分析任务。
8. YOLO标注数据集:包含大量的图像和标注框,常用于目标检测任务。
这些数据集都被广泛应用于机器学习算法的训练和评估过程中。除了以上提到的数据集外,还有许多其他领域特定的数据集,根据具体的研究任务和应用领域进行选择和使用。
### 回答3:
在机器学习领域,有许多不同类型的数据集可以用来训练和评估机器学习模型。以下是几个常见的机器学习数据集的例子:
1. MNIST手写数字数据集:这是一个非常经典的数据集,包含手写数字的图像和相应的标签。它经常被用来研究图像分类问题。
2. CIFAR-10图像数据集:这个数据集包含10个不同类别的图像,每个类别有6000张32x32像素的彩色图片。它被广泛应用于图像分类和目标识别的研究中。
3. IMDB电影评论数据集:这个数据集包含了来自互联网电影数据库(IMDb)的电影评论,分为正面和负面情感。它被广泛用于情感分析和文本分类任务。
4. UCI机器学习库:UCI(University of California, Irvine)机器学习库是一个包含许多不同领域、各种类型和规模的数据集的资源库。这些数据集可以用于各种不同的机器学习任务。
5. Fashion-MNIST时尚物品图像数据集:与MNIST类似,这个数据集包含10个不同类别的时尚物品的图像,如衣服、鞋子等。它被广泛用于时尚物品分类问题和图像处理任务。
6. Yelp商家评论数据集:这个数据集包含来自Yelp网站的商务评论,标注为正面和负面情感。它常常被用于情感分析和文本分类任务中。
以上只是一些常见的机器学习数据集的例子,实际上还有很多其他类型的数据集可供使用,对于特定的问题和任务,可以选择最适合的数据集来训练和评估机器学习模型。