常用的图像数据集有哪些
时间: 2023-09-18 09:12:20 浏览: 94
常用的图像数据集包括但不限于以下几种:
1. MNIST:手写数字图像数据集,包含 60,000 张训练图像和 10,000 张测试图像。
2. CIFAR:包括 CIFAR-10 和 CIFAR-100 两个数据集,分别包含 10 个和 100 个类别的彩色图像数据。
3. ImageNet:大规模视觉识别挑战赛(ILSVRC)使用的数据集,包含超过 1 百万张带标注的高分辨率图像。
4. COCO:包含对象检测、分割、关键点检测等多种任务的数据集,包含超过 330,000 张带标注的图像。
5. PASCAL VOC:包含对象检测、分割、关键点检测等多种任务的数据集,分为 2005、2006、2007、2010、2011、2012 六个年份。
6. SUN:场景分类和场景属性预测数据集,包含数万张带标注的室内和室外场景图像。
7. FERET:人脸识别数据集,包含超过 1 万张人脸图像。
8. LFW:人脸识别数据集,包含超过 13,000 张人脸图像。
9. CelebA:包含超过 200,000 张名人人脸图像,用于人脸属性分析和人脸识别等任务。
10. Open Images:包含超过 9 百万张带标注的图像,涵盖了多种对象分类、检测、分割等任务。
相关问题
常用的开源图像数据集有哪些
常用的开源图像数据集有:
1. MNIST:手写数字图像数据集,包含 6 万张训练图像和 1 万张测试图像。
2. CIFAR-10/CIFAR-100:分别包含 10 类和 100 类物体的彩色图像,每类有 6,000 张训练图像和 1,000 张测试图像。
3. ImageNet:包含超过 1,000 万张图片,被广泛用于图像分类、目标检测等任务。
4. COCO:包含超过 33 万张带有注释的图像,用于目标检测、语义分割、实例分割等任务。
5. PASCAL VOC:包含 20 类物体的图像数据集,用于目标检测、图像分割等任务。
6. Open Images:包含超过 90 万张图片,每张图片都有多个物体的标注信息,用于目标检测、图像分割等任务。
7. Cityscapes:包含来自 50 座不同城市的 5,000 张高分辨率图像,用于道路场景分割等任务。
8. SUN:包含超过 14,000 类室内和室外场景的图像,用于场景分类等任务。
这些数据集在计算机视觉和深度学习领域被广泛使用,可以用于训练和测试模型,也可以用于研究和学习相关算法。
文本图像分割数据集有哪些
目前常用的文本图像分割数据集包括:
1. ICDAR 2013/2015: 国际计算机文本识别与文档分析会议上发布的数据集,包含了各种不同的文本图像,例如自然场景、书籍和手写文本等。
2. COCO-Text: 包含超过63,000个文本实例的数据集,其中包括了现实场景下的各种文本。
3. SynthText: 包含了800,000个文本实例的合成数据集,其中的文本是通过随机将字母、数字和符号组合而成的。
4. IIIT 5K-Words: 包含了5000个印度语单词的数据集,其中的文本是从现实场景中捕捉并标注的。
5. MSRA-TD500: 包含了500个图像的数据集,其中包括了各种不同类型的文本,如水平、垂直、曲线和曲折的文本等。
6. SVT: 包含了100个图像的数据集,其中包括了各种不同类型的文本,如水平、垂直和弯曲的文本等。
7. Street View Text: 包含了150万个文本实例的数据集,其中的文本是从谷歌街景图像中捕捉并标注的。
这些数据集在文本图像分割领域都得到了广泛的应用和验证,可以用于训练和评估各种文本图像分割算法。
相关推荐
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)