【计算机视觉 | 图像分类】图像分类常用数据集及其介绍（一）

た入场券 2023-10-16 11:47 22阅读 0赞

#### 文章目录 ####

*   *  一、CIFAR-10
     *  二、ImageNet
     *  三、MNIST
     *  四、CIFAR-100
     *  五、SVHN (Street View House Numbers)
     *  六、CelebA (CelebFaces Attributes Dataset)
     *  七、Fashion-MNIST
     *  八、CUB-200-2011 (Caltech-UCSD Birds-200-2011)
     *  九、Places
     *  十、STL-10 (Self-Taught Learning 10)

### 一、CIFAR-10 ###

CIFAR-10 数据集（加拿大高级研究所，10 个类别）是 Tiny Images 数据集的子集，由 60000 张 32x32 彩色图像组成。 这些图像标有 10 个相互排斥的类别之一：飞机、汽车（但不是卡车或皮卡车）、鸟、猫、鹿、狗、青蛙、马、船和卡车（但不是皮卡车）。 每类有 6000 张图像，每类有 5000 张训练图像和 1000 张测试图像。

判断图像是否属于某个类的标准如下：

类名应该位于“这张图片中是什么？”这个问题的可能答案列表中的前列。  
图像应该逼真。 贴标机被指示拒绝线条图。  
该图像应仅包含该类所引用的对象的一个突出实例。 只要贴标签者仍然清楚该物体的身份，该物体可能会被部分遮挡或从不寻常的角度看到。

![在这里插入图片描述][350c7e0b930b4695b0e9705cdca15ca8.png]

### 二、ImageNet ###

ImageNet 数据集包含根据 WordNet 层次结构的 14,197,122 个带注释的图像。 自 2010 年以来，该数据集被用于 ImageNet 大规模视觉识别挑战赛 (ILSVRC)，这是图像分类和对象检测的基准。 公开发布的数据集包含一组手动注释的训练图像。 还发布了一组测试图像，但保留了手动注释。 ILSVRC 注释分为两类之一：（1）图像级注释，用于表示图像中是否存在对象类的二进制标签，例如“该图像中有汽车”但“没有老虎， ” 和 (2) 图像中对象实例周围的紧密边界框和类标签的对象级注释，例如，“有一把螺丝刀，其中心位置为 (20,25)，宽度为 50 像素，高度为 30 像素 ”。 ImageNet 项目不拥有图像的版权，因此仅提供图像的缩略图和 URL。

非空 WordNet 同义词集总数：21841  
图片总数：14197122  
带边界框注释的图像数量：1,034,908  
具有 SIFT 特征的同义词集数量：1000  
具有SIFT特征的图像数量：120万张

![在这里插入图片描述][ed2174f35d56448fa3d0763d650b7cfa.png]

### 三、MNIST ###

MNIST 数据库（修改后的国家标准与技术研究所数据库）是大量手写数字的集合。 它有一个包含 60,000 个示例的训练集和一个包含 10,000 个示例的测试集。 它是更大的 NIST 特别数据库 3（由美国人口普查局员工书写的数字）和特别数据库 1（由高中生书写的数字）的子集，其中包含手写数字的单色图像。 这些数字已经过尺寸标准化并位于固定尺寸图像的中心。 来自 NIST 的原始黑白（双层）图像经过尺寸标准化以适合 20x20 像素框，同时保留其纵横比。 由于归一化算法使用的抗锯齿技术，生成的图像包含灰度级。 通过计算像素的质心并平移图像以将该点定位在 28x28 场的中心，图像在 28x28 图像中居中。

![在这里插入图片描述][eb66ae90311d4221b7788d553843a8d3.png]

### 四、CIFAR-100 ###

CIFAR-100 数据集（加拿大高级研究所，100 个类别）是 Tiny Images 数据集的子集，由 60000 张 32x32 彩色图像组成。 CIFAR-100 中的 100 个类分为 20 个超类。 每类有 600 张图像。 每个图像都带有一个“精细”标签（它所属的类）和一个“粗略”标签（它所属的超类）。 每类有 500 张训练图像和 100 张测试图像。

判断图像是否属于某个类的标准如下：

类名应该位于“这张图片中是什么？”这个问题的可能答案列表中的前列。  
图像应该逼真。 贴标机被指示拒绝线条图。  
该图像应仅包含该类所引用的对象的一个突出实例。  
只要贴标签者仍然清楚该物体的身份，该物体可能会被部分遮挡或从不寻常的角度看到。

![在这里插入图片描述][80e03e646cfe4d8e8e5902b8329c877a.png]

### 五、SVHN (Street View House Numbers) ###

街景门牌号 (SVHN) 是一个数字分类基准数据集，其中包含从门牌照图片中裁剪出的 600,000 个 32×32 RGB 印刷数字（从 0 到 9）图像。 裁剪后的图像以感兴趣的数字为中心，但附近的数字和其他干扰因素保留在图像中。 SVHN 具有三组：训练集、测试集和包含 530,000 张图像的额外集，这些图像难度较低，可用于帮助训练过程。

![在这里插入图片描述][0a4b89ddefb84f8f84ac992e9c49527f.png]

### 六、CelebA (CelebFaces Attributes Dataset) ###

CelebFaces Attributes 数据集包含来自 10,177 位名人的 202,599 张尺寸为 178×218 的脸部图像，每个图像都用 40 个二进制标签进行注释，指示头发颜色、性别和年龄等面部属性。

![在这里插入图片描述][8ba7638b46ea4c0db7f8881e41833a7c.png]

### 七、Fashion-MNIST ###

Fashion-MNIST 是一个数据集，由 10 个类别的 70,000 个时尚产品的 28×28 灰度图像组成，每个类别有 7,000 张图像。 训练集有 60,000 张图像，测试集有 10,000 张图像。 Fashion-MNIST 与原始 MNIST 共享相同的图像大小、数据格式以及训练和测试分割的结构。

![在这里插入图片描述][a145635b8ce14d5fa8a73b6596a11ae7.png]

### 八、CUB-200-2011 (Caltech-UCSD Birds-200-2011) ###

Caltech-UCSD Birds-200-2011 (CUB-200-2011) 数据集是细粒度视觉分类任务中使用最广泛的数据集。 它包含属于鸟类的 200 个子类别的 11,788 张图像，其中 5,994 张用于训练，5,794 张用于测试。 每张图像都有详细的注释：1 个子类别标签、15 个零件位置、312 个二进制属性和 1 个边界框。 文本信息来自 Reed 等人。他们通过收集细粒度的自然语言描述来扩展 CUB-200-2011 数据集。 每幅图像收集十个单句描述。 自然语言描述是通过Amazon Mechanical Turk（AMT）平台收集的，要求至少10个单词，不包含任何子类别和操作信息。

![在这里插入图片描述][ac4fda3c59ec45ce9cac2f80ed99bd61.png]

### 九、Places ###

Places 数据集旨在用于场景识别，包含超过 250 万张图像，涵盖超过 205 个场景类别，每个类别超过 5,000 张图像。

![在这里插入图片描述][46a6e787095b446284272d178c65a51e.png]

### 十、STL-10 (Self-Taught Learning 10) ###

STL-10 是源自 ImageNet 的图像数据集，广泛用于评估无监督特征学习或自学学习的算法。 除了 100,000 张未标记图像外，它还包含来自 10 个对象类（例如鸟、猫、卡车）的 13,000 张标记图像，其中 5,000 张图像被划分用于训练，其余 8,000 张图像用于测试。 所有图像均为96×96像素大小的彩色图像。

![在这里插入图片描述][044d4098698c4a369f0d1d8240a05886.png]

[350c7e0b930b4695b0e9705cdca15ca8.png]: https://img-blog.csdnimg.cn/350c7e0b930b4695b0e9705cdca15ca8.png
[ed2174f35d56448fa3d0763d650b7cfa.png]: https://img-blog.csdnimg.cn/ed2174f35d56448fa3d0763d650b7cfa.png
[eb66ae90311d4221b7788d553843a8d3.png]: https://img-blog.csdnimg.cn/eb66ae90311d4221b7788d553843a8d3.png
[80e03e646cfe4d8e8e5902b8329c877a.png]: https://img-blog.csdnimg.cn/80e03e646cfe4d8e8e5902b8329c877a.png
[0a4b89ddefb84f8f84ac992e9c49527f.png]: https://img-blog.csdnimg.cn/0a4b89ddefb84f8f84ac992e9c49527f.png
[8ba7638b46ea4c0db7f8881e41833a7c.png]: https://img-blog.csdnimg.cn/8ba7638b46ea4c0db7f8881e41833a7c.png
[a145635b8ce14d5fa8a73b6596a11ae7.png]: https://img-blog.csdnimg.cn/a145635b8ce14d5fa8a73b6596a11ae7.png
[ac4fda3c59ec45ce9cac2f80ed99bd61.png]: https://img-blog.csdnimg.cn/ac4fda3c59ec45ce9cac2f80ed99bd61.png
[46a6e787095b446284272d178c65a51e.png]: https://img-blog.csdnimg.cn/46a6e787095b446284272d178c65a51e.png
[044d4098698c4a369f0d1d8240a05886.png]: https://img-blog.csdnimg.cn/044d4098698c4a369f0d1d8240a05886.png