AI视觉相关的预训练模型、公开数据集

一、视觉相关的预训练模型 有很多,以下是一些常见的预训练模型及其对应的公开数据集:

  1. ResNet:ResNet 是一种卷积神经网络(CNN)模型,由 Microsoft Research 开发。ResNet 在 ImageNet 数据集 上进行了预训练,可以用于图像分类 任务。
  2. VGG:VGG 是一种卷积神经网络(CNN)模型,由牛津大学开发。VGG 在 ImageNet 数据集 上进行了预训练,可以用于图像分类 任务。
  3. Inception:Inception 是一种卷积神经网络(CNN)模型,由 Google 开发。Inception 在ImageNet 数据集 上进行了预训练,可以用于图像分类 任务。
  4. DenseNet:DenseNet 是一种卷积神经网络(CNN)模型,由Facebook AI Research开发。DenseNet 在 ImageNet数据集 上进行了预训练,可以用于图像分类 任务。
  5. MobileNet:MobileNet 是一种轻量级的卷积神经网络(CNN)模型,由 Google 开发。MobileNet 在 ImageNet 数据集 上进行了预训练,可以用于图像分类 任务。
  6. YOLO:YOLO 是一种目标检测模型,由 Joseph Redmon 等人开发。YOLO 在COCO 数据集 上进行了预训练,可以用于目标检测 任务。
  7. Mask R-CNN:Mask R-CNN 是一种目标检测模型,由Matterport, Inc.开发。Mask R-CNN 在COCO数据集 上进行了预训练,可以用于目标检测语义分割 任务。
  8. Faster R-CNN:Faster R-CNN 是一种目标检测模型,由NVIDIA开发。Faster R-CNN 在COCO数据集 上进行了预训练,可以用于目标检测 任务。
  9. SSD:SSD 是一种目标检测模型,由 Google Brain 团队开发。SSD 在COCO数据集 上进行了预训练,可以用于目标检测 任务。
  10. RetinaNet:RetinaNet 是一种目标检测模型,由 Facebook AI Research 开发。RetinaNet 在COCO数据集 上进行了预训练,可以用于目标检测 任务。

二、视觉领域开源的数据集 有很多,以下是一些常见的数据集及其包含的类别和样本数量:

  1. ImageNet:ImageNet是一个大规模的图像分类 数据集,它从2007年开始建立,包含超过1400多万张图片和2万多的分类。ILSVRC(ImageNet Large-Scale Visual Recognition Challenge)比赛常用的一个子集是ILSVRC2012,它包含1000个分类,每个分类约有1000张图片,总计约120万张训练图片。ImageNet主要为图像分类、检测、定位等任务提供数据支持。
  2. MS COCO (Microsoft Common Objects in Context):COCO是由微软提供的大规模的目标检测语义分割 数据集,包含80个类别的图像,每个类别大约有1000张。
  3. PASCAL VOC:PASCAL VOC 是一个目标检测语义分割 数据集,包含 20 个类别的图像,每个类别大约有 2000 张图片。
  4. CIFAR-10:CIFAR-10 是一个小型的图像分类 数据集,包含 10 个类别的图像,每个类别大约有 6000 张图片。
  5. CIFAR-100:CIFAR-100 是一个小型的图像分类 数据集,包含 100 个类别的图像,每个类别大约有 6000 张图片。
  6. STL-10:STL-10 是一个小型的图像分类 数据集,包含 10 个类别的图像,每个类别大约有 5000 强烈建议。
  7. Open Images Dataset:由谷歌提供的图像数据集,包含了大约900万个带有图像级别标注和大约250万个带有目标边界框标注的图像。这个数据集被用于各种计算机视觉任务,包括目标检测图像分类和场景理解等。
  8. MNIST Handwritten Digits:一个经典的手写数字识别数据集,包含70,000张大小为28x28的灰度图像。
  9. Oxford Flowers 102:包含102个不同花卉类别的数据集,适用于图像分类任务。
  10. Stanford Dogs Dataset:专注于狗的品种识别,包含超过2万张不同品种狗的图像。
相关推荐
lucky_lyovo2 分钟前
卷积神经网络--网络性能提升
人工智能·神经网络·cnn
liliangcsdn6 分钟前
smolagents - 如何在mac用agents做简单算术题
人工智能·macos·prompt
nju_spy10 分钟前
周志华《机器学习导论》第8章 集成学习 Ensemble Learning
人工智能·随机森林·机器学习·集成学习·boosting·bagging·南京大学
静心问道34 分钟前
TrOCR: 基于Transformer的光学字符识别方法,使用预训练模型
人工智能·深度学习·transformer·多模态
说私域36 分钟前
基于开源AI大模型、AI智能名片与S2B2C商城小程序源码的用户价值引导与核心用户沉淀策略研究
人工智能·开源
亲持红叶37 分钟前
GLU 变种:ReGLU 、 GEGLU 、 SwiGLU
人工智能·深度学习·神经网络·激活函数
说私域37 分钟前
线上协同办公时代:以开源AI大模型等工具培养网感,拥抱职业变革
人工智能·开源
群联云防护小杜39 分钟前
深度隐匿源IP:高防+群联AI云防护防绕过实战
运维·服务器·前端·网络·人工智能·网络协议·tcp/ip
摘星编程44 分钟前
构建智能客服Agent:从需求分析到生产部署
人工智能·需求分析·智能客服·agent开发·生产部署
不爱学习的YY酱1 小时前
信息检索革命:Perplexica+cpolar打造你的专属智能搜索中枢
人工智能