深度學習數據集+模型說明

一、mnist

Google實驗室的Corinna Cortes和紐約大學柯朗研究所的Yann LeCun建的一個手寫數字數據庫，訓練庫有60,000張手寫數字圖像，測試庫有10,000張。對應的手寫識別模型爲LeNet。

數據地址：http://yann.lecun.com/exdb/mnist/

 

二、cifar10

由Hinton的兩個大弟子Alex Krizhevsky、Ilya Sutskever收集的一個用於普適物體識別的數據集。Cifar是加拿大牽頭投資的一個先進科學項目研究所。

CIFAR-10數據集包含60000個32*32的彩色圖像，共有10類。有50000個訓練圖像和10000個測試圖像。數據集分爲5個訓練塊和1個測試塊，每一個塊有10000個圖像。測試塊包含從每類隨機選擇的1000個圖像。訓練塊以隨機的順序包含這些圖像，但一些訓練塊可能比其它類包含更多的圖像。訓練塊每類包含5000個圖像。類間徹底互斥。這個數據集最大的特色在於將識別遷移到了普適物體，並且應用於多分類（姊妹數據集Cifar-100達到100類，ILSVRC比賽則是1000類）。同已經成熟的人臉識別相比，普適物體識別挑戰巨大，數據中含有大量特徵、噪聲，識別物體比例不一，並且分類龐大。

 

三、cifar100

數據集包含100小類，每小類包含600個圖像，其中有500個訓練圖像和100個測試圖像。100類被分組爲20個大類。每一個圖像帶有1個小類的「fine」標籤和1個大類「coarse」標籤。

 

四、ImageNet

ImageNet 是一個計算機視覺系統識別項目，是目前世界上圖像識別最大的數據庫。2010年，來自斯坦福大學、普林斯頓大學及哥倫比亞大學的科學家們啓動ImageNet大規模視覺識別挑戰賽（ImageNet Large Scale Visual Recognition Challenge，ILSVRC）。ILSVRC2012是2012年的比賽數據集，在這次比賽中，Alex提出的AlexNet網絡結構模型贏得了冠軍；ILSVRC2014是2014年的比賽數據集，在這次比賽中，GoogLeNet，VGGNet分獲冠亞軍。