ImageNet数据集和CIFAR-10数据集

一、为什么需要大量数据集

人工智能其实就是大数据的时代,无论是目标检测、图像分类、还是现在植入我们生活的推荐系统,"喂入"神经网络的数据越多,则识别效果越好、分类越准确。因此开源大型数据集的研究团队为人工智能的发展做了大量贡献。下面介绍关于图像方面的经典数据集。

二、ImageNet数据集

ImageNet:全称为 ImageNet Large Scale Visual Recognition Challenge (ILSVRC)。它由斯坦福大学的李飞飞教授团队创建,并且在计算机视觉领域具有重要影响力。

ImageNet官网:www.image-net.org

数据集规模:

ImageNet 数据集包含超过 1400 万张标注好的图像。

类别:

ImageNet 数据集包含 22,000 个类别的图像。

ILSVRC 竞赛的子集包含 1,000 个类别,用于图像分类挑战。

图像大小:

图像大小各不相同,但通常会被预处理为标准大小(例如 224x224 像素)以输入到神经网络中。

应用领域:

ImageNet 被广泛用于训练和评估图像分类、物体检测和图像分割等计算机视觉任务中的深度学习模型。

三、CIFAR-10数据集

CIFAR-10:全称是 Canadian Institute For Advanced Research 10。该数据集由多伦多大学的 Geoffrey Hinton 和 Alex Krizhevsky 等人创建,是一个经典的机器学习和计算机视觉任务的数据集。

Geoffrey Hinton:深度学习大牛,图灵奖获得者。

CIFAR是加拿大高级研究院(Canadian Institute For Advanced Research)的缩写

CIFAR-10官网:https://www.cs.toronto.edu/~kriz/cifar.html

CIFAR-10数据集由10个类别的60000张32x32彩色图像组成,每个类别有6000张图像。有50000个训练图像和10000个测试图像。

四、CIFAR-100数据集

CIFAR-100是比CIFAR-10类别更多的数据集,这个数据集就像CIFAR-10一样,除了它有100个类,每个类包含600个图像。每类有500个训练图像和100个测试图像。CIFAR-100中的100个类被分为20个Superclass。每个图像都有一个"精细"标签(它所属的类)和一个"粗略"标签(其所属的Superclass)。

相关推荐
瞎胡侃41 分钟前
Spark读取Apollo配置
大数据·spark·apollo
悻运43 分钟前
如何配置Spark
大数据·分布式·spark
懒惰的橘猫1 小时前
Spark集群搭建之Yarn模式
大数据·分布式·spark
2401_824256861 小时前
Spark-Streaming
大数据·分布式·spark
胡耀超1 小时前
附1:深度解读:《金融数据安全 数据安全分级指南》——数据分类的艺术专栏系列
大数据·金融·数据治理·生命周期·数据分类·政策法规
合新通信 | 让光不负所托1 小时前
【合新通信】浸没式液冷光模块与冷媒兼容性测试技术报告
大数据·网络·光纤通信
元6332 小时前
spark和hadoop之间的对比和联系
大数据·hadoop·spark
cooldream20092 小时前
深入解析大数据的Lambda架构:设计、特点与应用场景
大数据·架构·系统架构师
淋一遍下雨天3 小时前
Spark-Streaming核心编程
大数据·kafka
jack xu13 小时前
高频面试题:如何保证数据库和es数据一致性
java·大数据·数据库·mysql·elasticsearch