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
黄雪超7 分钟前
Kafka——消费者组消费进度监控都怎么实现?
大数据·分布式·kafka
虚伪的空想家1 小时前
记录es收集日志报错问题as the final mapping would have more than 1 type[XXX,doc]
大数据·elasticsearch·搜索引擎·容器·kubernetes·log-pilot
数据与人工智能律师11 小时前
数字迷雾中的安全锚点:解码匿名化与假名化的法律边界与商业价值
大数据·网络·人工智能·云计算·区块链
go546315846513 小时前
基于深度学习的食管癌右喉返神经旁淋巴结预测系统研究
图像处理·人工智能·深度学习·神经网络·算法
mykyle14 小时前
Elasticsearch-ik分析器
大数据·elasticsearch·jenkins
Microvision维视智造15 小时前
从“人工眼”到‘智能眼’:EZ-Vision视觉系统如何重构生产线视觉检测精度?
图像处理·人工智能·重构·视觉检测
weixin_lynhgworld15 小时前
淘宝扭蛋机小程序系统开发:重塑电商互动模式
大数据·小程序
RPA+AI十二工作室17 小时前
影刀RPA_Temu关键词取数_源码解读
大数据·自动化·源码·rpa·影刀
Sui_Network18 小时前
探索 Sui 上 BTCfi 的各类资产
大数据·人工智能·科技·游戏·区块链
钟屿18 小时前
Multiscale Structure Guided Diffusion for Image Deblurring 论文阅读
论文阅读·图像处理·人工智能·深度学习·计算机视觉