深度学习中的经典数据集

版权声明：添加我的微信wlagooble，开启一段不一样的旅程 https://blog.csdn.net/nineship/article/details/84822391

介绍：https://cloud.tencent.com/developer/article/1347777

Mnist 是手写数字识别数据集，分别为1到10,大小为12MB左右。

CIFAR 数据集，分为两种CIFAR10和CIFAR100，类别也根据名称就可以知道，一类为10类加一个背景，另一个为100类加一个背景。大小在170MB左右。

PASCAL VOC数据集，地址：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html

任务：目标分类，目标检测，实例分割，动作分类(是对图像做的预测，分析静止图片中人物所作的动作)，分类，主要有20类

人：人

动物：鸟，猫，牛，狗，马，羊

车辆：飞机，自行车，船，公共汽车，汽车，摩托车，火车

室内：瓶子，椅子，餐桌，盆栽，沙发，电视/显示器

主要有VOC2007和VOC2012，我们以VOC2012为例，下载解压之后可以看到下面几个文件，分别为：

JPEGImages中包含了PASCAL VOC所提供的所有的图片信息，包含了训练集和测试集。这些图片是以”年_id“命名的图片的尺寸大小不一。

Annotations文件夹中存放的是xml格式的文件，每一个xml文件都是对应JPEGImages中的一张图片。Xml格式如下所示：

<annotation>
	<folder>VOC2012</folder>                           
	<filename>2007_000392.jpg</filename>                               
	<source>                                                          
		<database>The VOC2007 Database</database>
		<annotation>PASCAL VOC2007</annotation>
		<image>flickr</image>
	</source>
	<size>					                          				
		<width>500</width>
		<height>332</height>
		<depth>3</depth>
	</size>
	<segmented>1</segmented>		                         
	<object>                                                       
		<name>horse</name>                                         
		<pose>Right</pose>                                       
		<truncated>0</truncated>                                
		<difficult>0</difficult>                                  
		<bndbox>                                                   
			<xmin>100</xmin>
			<ymin>96</ymin>
			<xmax>355</xmax>
			<ymax>324</ymax>
		</bndbox>
	</object>
	<object>                                                        
		<name>person</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>198</xmin>
			<ymin>58</ymin>
			<xmax>286</xmax>
			<ymax>197</ymax>
		</bndbox>
	</object>
</annotation>

3为ImageSets存放的是每一个类型的challenge对应的图像数据。Imagesets存放的是四个文件夹

其中Actions存放的是人的动作，Layout存放的是人体部位的数据，Main存放 的是图像识别的数据，总共20类。Segmentation下存放的是分割的数据。Main文件下包含了20个分类的**_train.txt和**_val.txt，这些文件的内容示例如上：前面表示图像的name，后面的1代表正样本，-1代表负样本SegmentationClass和SegmentationObject这两个文件夹下保存的是物体分割后的图片。

coco数据集：

是微软发布的一个数据集，主要任务包括，detection,segmentation,keypoints等任务。与PASCAL VOC数据集相比，COCO中的图片包含了自然图片以及生活中常见的目标图片，背景比较复杂，目标数量比较多，目标尺寸更小，因此COCO数据集上的任务更难，对于检测任务来说，现在衡量一个模型好坏的标准更加倾向于使用COCO数据集上的检测结果。MSCOCO包括91个类别

Imagenet，这个数据集大家都比较熟悉了，主要做图像分类。