向AI转型的程序员都关注了这个号???
大数据挖掘DT数据分析 公众号： datadw
1. CIFAR-10 & CIFAR-100
CIFAR-10包含10个类别，50,000个训练图像，彩色图像大小：32x32，10,000个测试图像。
下载地址
https://www.cs.toronto.edu/~kriz/cifar.html
（类别：airplane，automobile, bird, cat, deer, dog, frog, horse, ship, truck）
（作者：Alex Krizhevsky, Vinod Nair, and Geoffrey Hinton）
（数据格式：Python版本、Matlab版本、二进制版本<for C程序>）
CIFAR-100
下载地址
https://www.cs.toronto.edu/~kriz/cifar.html
与CIFAR-10类似，包含100个类，每类有600张图片，其中500张用于训练，100张用于测试；这100个类分组成20个超类。每个图像有一个"find" label和一个"coarse"label。
2. 图像分类结果及对应的论文
下载地址
http://rodrigob.github.io/are_we_there_yet/build/classification_datasets_results.html
包含数据集：MNIST、CIFAR-10、CIFAR-100、STL-10、SVHN、ILSVRC2012 task 1
ILSVRC： ImageNet Large Scale Visual Recognition Challenge
下载地址
http://www.image-net.org/challenges/LSVRC/2014/
3. ImageNet
下载地址
http://www.image-net.org/
ImageNet相关信息如下：
1）Total number of non-empty synsets: 21841
2）Total number of images: 14,197,122
3）Number of images with bounding box annotations: 1,034,908
4）Number of synsets with SIFT features: 1000
5）Number of images with SIFT features: 1.2 million
4. COCO
下载地址
http://mscoco.org/
COCO(Common Objects in Context)是一个新的图像识别、分割、和字幕数据集，它有如下特点：
1）Object segmentation
2）Recognition in Context
3）Multiple objects per image
4）More than 300,000 images
5）More than 2 Million instances
6）80 object categories
7）5 captions per image
8）Keypoints on 100,000 people
COCO 2016 Detection Challenge(2016.6.1-2016.9.9)
http://mscoco.org/dataset/#detections-challenge2016
和COCO 2016 Keypoint Challenge(2016.6.1-2016.9.9)
http://mscoco.org/dataset/#keypoints-challenge2016
已经由Microsoft发起 由ECCV 2016(ECCV：European Conference On Computer Vision )。
4. 3D数据
1）RGB-D People Dataset
http://www2.informatik.uni-freiburg.de/~spinello/RGBD-dataset.html
2）NYU Hand Pose Dataset
http://cims.nyu.edu/~tompson/NYU_Hand_Pose_Dataset.htm
code
https://github.com/jonathantompson/ModelFit
3）Human3.6M (3D Human Pose Dataset)
http://vision.imar.ro/human3.6m/description.php
《Iterated Second-Order Label Sensitive Pooling for 3D Human Pose Estimation》
5. 人脸Dataset
1）LFW (Labeled Faces in the Wild)
http://vis-www.cs.umass.edu/lfw/index.html
6. Stereo Datasets
1）Middlebury Stereo Datasets
http://vision.middlebury.edu/stereo/data/
2）KITTI Vision Benchmark Suite
http://www.cvlibs.net/datasets/kitti/eval_scene_flow.php?benchmark=stereo
7. 普林斯顿大学人工智能自动驾驶汽车项目
1）Deep Drive
http://deepdrive.io/
2）Source Code and Data
http://deepdriving.cs.princeton.edu/
人工智能大数据与深度学习
搜索添加微信公众号：weic2c
长按图片，识别二维码，点关注
大数据挖掘DT数据分析
搜索添加微信公众号：datadw
教你机器学习，教你数据挖掘
长按图片，识别二维码，点关注