電腦視覺資料集 (4)

請我喝杯咖啡☕

*備忘錄：

• 我的貼文解釋了 MNIST、EMNIST、QMNIST、ETLCDB、Kuzushiji 和 Moving MNIST。
• 我的貼文解釋了 Fashion-MNIST、Caltech 101、Caltech 256、CelebA、CIFAR-10 和 CIFAR-100。
• 我的貼文解釋了 Oxford-IIIT Pet、Oxford 102 Flower、Stanford Cars、Places365、Flickr8k 和 Flickr30k。

(1) ImageNet(2009):

• 有 1,331,167 個物件影像（1,281,167 個用於訓練，50,000 個用於驗證），每個影像都連接到來自 1000 個類別的標籤： *備註：
  • 每個類別都有一個或多個代表相同事物的名稱。
  • 您可以下載 ILSVRC2012_devkit_t12.tar.gz、ILSVRC2012_img_train.tar 和 ILSVRC2012_img_val.tar。
• 是 PyTorch 中的 ImageNet()。

(2) LSUN（大規模場景理解）（2015）：

• 有場景影像，有10個資料集臥室、橋樑、教會戶外、教室、會議室，餐廳， 廚房、客廳、餐廳和塔樓：
  • 臥室 有 3,033,342 張臥室圖像（3,033,042 張用於火車，300 張用於驗證）。
  • 橋樑 有 818,987 張橋樑圖像（818,687 張用於火車，300 張用於驗證）。
  • 教堂戶外有126,527張教堂戶外圖像（126,227張用於火車，300張用於驗證）。
  • 教室有126,527張教室圖像（126,227張用於訓練，300張用於驗證）。
  • 會議室有229,369張會議室影像（229,069張用於訓練，300張用於驗證）。
  • 餐廳有 657,871 個餐廳圖像（657,571 個用於火車，300 個用於驗證）。
  • 廚房 有 2,212,577 張廚房圖像（2,212,277 張用於火車，300 張用於驗證）。
  • 客廳有1,316,102張客廳影像（1,315,802張用於火車，300張用於驗證）。
  • 餐廳有626,631張餐廳圖片（626,331張用於火車，300張用於驗證）。
  • 塔 有 708,564 個塔圖像（708,264 個用於訓練，300 個用於驗證）。
• 是 PyTorch 中的 LSUN()，但它有錯誤。

(3) MS COCO(Microsoft Common Objects in Context)(2014):

• 有註解的物件影像，並且有 16 個資料集 2014 年訓練影像 和 2014 Val 影像 以及 2014 年訓練/Val註、2014測試圖像與2014年測試圖像資訊、2015 測試圖像 與2015 測試資訊圖像 >2017 訓練影像和2017 Val 圖片 與2017 Train/Val 註釋, 2017填充訓練/Val 註釋 或2017 全景訓練/Val 註釋 或2017 全景訓練/Val 註釋2017 測試影像 以及2017 測試影像資訊 和 2017 年未標記影像 與
  2017 年未標記影像資訊
  • ： *備註：
  2014 年火車影像
  • 有 82,782 張圖片。
  2014 Val 影像
  • 有 40,504 張影像。 2014 Train/Val 註釋 for 2014 Train 影像 和
  2014 Val 影像
  • 有 123,286 個註釋（82,782 個用於訓練，40,504 個用於驗證）。
  2014 年測試影像
  • 有 40,775 張影像。 2014 年測試影像資訊 有 40,775 個關於
  2014 年測試影像
  • 的註解。
  2015 年測試影像
  • 有 81,434 張影像。 2015 年測試影像資訊 有 81,434 則關於
  2015 年測試影像
  • 的註解。
  2017 年火車影像
  • 有 118,287 張圖片。
  2017 Val 圖片
  • 有 5,000 張圖片。 2017 Train/Val 註釋 有123,287 個註釋（118,287 個用於訓練，5,000 個用於驗證），用於2017 Train 圖像 和
  2017 Val 圖像
  • 。 2017 Stuff Train/Val 註釋 有123,287 個註釋（118,287 個用於訓練，5,000 個用於驗證），用於2017 Train 圖片 和
  2017 Val 影像
  • 。 2017 Panoptic Train/Val 註釋 有123,287 個註釋（118,287 個用於訓練，5,000 個用於驗證），用於2017 Train 圖片 和
  >。
  • 2017 年測試影像
  有 40,670 張影像。
  • 2017 年測試影像資訊 有 40,670 則關於 2017 年測試影像
  的註解。
  • 2017 年未標記影像
  有 123,403 張影像。
  • 2017 年未標記影像資訊 有 123,403 則關於 2017 年未標記影像
  的註解。
也稱為COCO。
是 CocoDetection() 或 CocoCaptions()

以上是電腦視覺資料集 (4)的詳細內容。更多資訊請關注PHP中文網其他相關文章！