请为我提供一些用于SVM分类的图像数据集

以下是一些用于SVM分类的图像数据集：

1. MNIST手写数字数据集：包含60,000个训练图像和10,000个测试图像，每个图像都是28x28像素的灰度图像，用于识别手写数字。

2. CIFAR-10数据集：包含10个类别的60,000个32x32彩色图像，每个类别有6,000个图像。这些类别分别为：飞机，汽车，鸟类，猫，鹿，狗，青蛙，马，船和卡车。

3. Caltech-101数据集：包含101个对象类别，每个类别包含大约40到800个图像。这些类别包括飞机，人和狗等。

4. PASCAL VOC数据集：一个广泛使用的图像数据集，包含20个对象类别，每个类别包含大约1,000个图像。这些类别包括人，车辆，动物和家具等。

5. ImageNet数据集：包含超过100万个高分辨率图像，用于识别超过1,000个对象类别。这个数据集非常大，需要大量的计算资源和时间来训练SVM模型。

以上数据集都是公开可用的，可以在网上找到并下载。其中，MNIST和CIFAR-10是比较小的数据集，适合在本地计算机上训练模型。而Caltech-101，PASCAL VOC和ImageNet数据集则需要更大的计算资源和时间来训练模型。