Advertisement

该数据集包含imagenet2012以及其对应的标签文件。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
该imagenet2012数据集及其对应的标签信息,包含50000个样本,总共涵盖1000个不同的类别。由于图像数据量巨大,因此在压缩包中以BT下载文件形式提供,用户可以通过迅雷进行便捷的下载。与此同时,标签数据已经提前下载完毕并存储在压缩包内,用户只需解压即可直接使用。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • imagenet2012.rar
    优质
    imagenet2012数据集与标签.rar包含了ILSVRC-2012竞赛使用的图像及对应标签,是计算机视觉研究中广泛使用的大规模数据集。 imagenet2012数据集及标签包含50000个样本共1000类数据。图片文件较大,在压缩包内以BT形式提供,可通过迅雷下载获取;标签数据已经准备好了并存于压缩包中,解压后即可使用。
  • 火灾烟雾6940张JPG图像XML
    优质
    本数据集包含6940张JPEG格式的图片和相应的XML标注文件,旨在用于训练和测试有关火灾识别与烟雾检测的人工智能模型。 这个数据集包含真实的火灾与烟雾图像,共有6940张jpg格式的图片以及对应的6940个xml格式标签文件,非常适合用于深度学习中的目标检测任务,并且也非常适合用来撰写学术论文。
  • ImageNet2012
    优质
    ImageNet2012数据集是包含超过1400万张图片的大型图像数据库,用于训练和测试计算机视觉模型,涵盖20000个类别。它是ILSVRC竞赛的基础,推动了深度学习的发展。 ImageNet2012数据集(也称ILSVRC2012)的分类部分包含1000个类别。在论文研究中,通常使用训练集和验证集。其中,训练集大约为137GB,而验证集约为6GB。
  • ORL(调整路径即可)
    优质
    本资源提供ORL人脸数据集及对应标签文件。该数据集包含40人的正面面部图像,每位人物有10张不同场景的照片,适用于人脸识别研究与算法测试。用户需根据指示调整文件路径以适应本地环境。 AT&T Facedatabase,也称为ORL人脸数据库,包含40个不同对象的图像数据集,每个对象有10张不同的图片。每张图片的通道数、高度和宽度分别为[1, 112, 92]。受试者的图像是在各种条件下拍摄的,包括不同的时间点、光线条件以及面部表情(睁眼/闭眼、微笑/不微笑)等,并且还记录了是否佩戴眼镜的情况。所有图像都在黑暗而均匀的背景下拍摄,确保每个受试者都是直立正面的位置(尽管允许有一定的侧向移动)。
  • OfficeHome
    优质
    OfficeHome数据集的标签文件包含了一个大规模办公场景视觉识别的数据集合,包括各类办公图像及其详细分类标签,旨在促进跨域计算机视觉研究。 Office-Home 数据集是一种用于评估基于域自适应的深度学习算法的数据集,包含了在办公环境和家庭中常见的65类目标图像。该数据集中包含4个领域,并且这些领域的域差异较大,数据集规模也比前一个数据集要大。 Office-Home 数据集由来自4个不同领域的图像组成:Art(Ar)、Clipart(Cl)、Product(Pr)和Real World(Rw)。其中: - Art 领域包含素描、绘画及装饰品等形式的艺术图像,共有2,427张。 - Clipart 领域包括各种剪贴画图像,共计有4,365张。 - Product 领域则拥有无背景物体的图像共4,439张。 - Real World 领域包含普通相机拍摄下的物体图像,共有4,357张。 此资源提供了Art、Clipart、Product和Real World四个领域的标签文件。
  • 两类(0,1)MNIST
    优质
    这段简介描述的数据集是经过修改的MNIST手写数字集合,其中仅包含了数字0和1,可用于二分类问题的研究与模型训练。 只有两类标签(0,1)的MNIST数据集可以应用于二分类问题。
  • AFHQ512*512分辨率dataset.json
    优质
    AFHQ数据集是一款高质量图像数据集合,包含多种分辨率,特别是512x512像素的照片,搭配详细的dataset.json标签文件,适用于深度学习与计算机视觉研究。 AFHQ数据集主要用于StyleGAN,并包含15,000张分辨率为512×512的高质量图像。我们已经将这些图像整理为训练集和测试集,同时提供了一个供StyleGAN使用的dataset.json标签文件,可以直接使用。 该数据集涵盖了猫、狗以及野生动物三个领域,每个领域约有5000张图片。通过包含多个(具体是三个)领域的各种品种的不同图像,AFHQ提出了一个具有挑战性的跨域图像转换问题。对于每一个领域,我们选择了500张图作为测试集,并将剩余的所有图像用作训练集。
  • XML烟雾火焰
    优质
    本数据集包含带有XML标签的烟雾与火焰图像,旨在支持火灾检测研究,适用于训练和测试计算机视觉模型。 共有2472张图片包含烟雾和火焰两个标签,格式为VOC的xml文件。以白烟(火灾初期产生的烟)标注为主,因为黑烟出现时通常已经伴随有明火,此时进行烟雾检测意义不大。对于烟雾目标检测,我们采用大框方式进行标注而非小框多标方式,这是因为烟雾检测的主要目的是为了报警而不是精确定位。 火焰的标注相对简单直观,并且可以通过网上公开的数据集直接增加火焰数据集的数量。在评估基于图片的目标识别算法时,可以使用召回率和误检率来评价网络性能的好坏;而平均精度(AP)则可以用来指导改进算法的方向。需要注意的是,完全依赖于AP指标衡量烟雾检测算法的优劣可能并不合理。
  • YOLO :齿轮缺陷检测【划分好 class
    优质
    本资源提供YOLO格式的齿轮缺陷检测数据集,包含预划分的数据子集、详细标注信息和类别文件,助力快速模型训练与验证。 数据保存格式遵循YOLOV5的文件夹结构,可以直接用于YOLO检测。 标注采用以下格式:类别、中心点x坐标、中心点y坐标、宽度w、高度h(使用的是相对比例)。 共有7个类别:孔洞、缺损、齿牙等【具体类别详见class文本段落件】。 数据分为训练集、验证集和测试集: - 训练集包含约400张图片及对应的标签txt文件; - 验证集包含约100张图片及其对应标签的txt文件。
  • 猫狗
    优质
    猫狗数据集(含标签)包含了大量标记为猫咪或狗狗的图像,旨在用于训练和测试图片分类算法模型。 猫狗数据集包含标签。