精品--整理分类深度学习各方向公开数据集.zip资源-CSDN文库

共1个文件

md：1个

需积分: 5 20 浏览量 2024-02-05 17:53:57 上传评论收藏 21KB ZIP 举报

深度学习是一种人工智能领域的核心技术，它基于神经网络模型对大量数据进行训练，以实现模式识别、图像分类、自然语言处理等多种复杂任务。这个压缩包“精品--整理分类深度学习各方向公开数据集.zip”显然包含了多个用于深度学习研究和实践的数据集，这些数据集可能涵盖了图像识别、语音识别、自然语言处理等多个领域。下面将详细讨论这些方向以及它们所涉及的关键知识点。 1. 图像识别：这是深度学习应用最广泛的领域之一，主要通过卷积神经网络（CNN）实现。CNN具有检测局部特征的能力，通过多层卷积和池化操作，能够提取图像的高级特征，从而进行物体识别、图像分类等任务。经典的图像识别数据集有ImageNet，COCO等，这些数据集的多样性对于训练出鲁棒的模型至关重要。 2. 语音识别：深度学习在此领域的应用主要依赖于循环神经网络（RNN）和长短时记忆网络（LSTM）。这些模型能处理序列数据，捕捉时间序列中的依赖关系。著名的语音识别数据集包括LibriSpeech，TIMIT等，它们为训练和评估语音识别系统提供了丰富的资源。 3. 自然语言处理（NLP）：深度学习在NLP领域的应用包括文本分类、情感分析、机器翻译等。常用的模型有Transformer、BERT等。预训练模型如BERT通过无监督学习在大规模文本数据集上学习到丰富的语言表示，然后在特定任务上进行微调。常见的NLP数据集有IMDB（电影评论情感分析）、GLUE（多任务NLP基准）、WMT（机器翻译）等。 4. 强化学习：这种学习方式使机器通过与环境交互来优化其行为策略。Deep Q-Network (DQN) 和Policy Gradient 方法常用于游戏控制、机器人导航等领域。公开的数据集如Atari游戏、OpenAI Gym等提供了模拟环境来测试和训练强化学习算法。 5. 半监督学习和无监督学习：在标注数据有限的情况下，半监督学习和无监督学习显得尤为重要。例如，自编码器、生成对抗网络（GAN）和变分自编码器（VAE）等模型在无监督学习中表现出色。MNIST、CIFAR等数据集可用于验证这些模型在图像生成或特征学习上的性能。 6. 时间序列预测：如电力消耗预测、股票市场预测等，可以使用LSTM或GRU等模型。公开的时间序列数据集如M4竞赛数据集提供了丰富的预测挑战。 7. 推荐系统：深度学习在个性化推荐中也发挥着关键作用，通过协同过滤和内容过滤等方式提高用户体验。MovieLens和Netflix Prize数据集是推荐系统研究的经典案例。这个压缩包中的数据集代表了深度学习的多个重要方向，对于学习、研究和开发深度学习模型的人员来说是一份宝贵的资源。通过这些数据集，你可以实践各种深度学习模型，理解不同模型在不同任务上的表现，并提升模型的性能和泛化能力。

资源推荐

资源详情

资源评论

收起资源包目录

精品--整理分类深度学习各方向公开数据集.zip （1个子文件）

ahao2

README.md 58KB

# Deep learning datasets（2023/12/26 持续更新中）整理分类深度学习各方向公开数据集 # 目录 [1.小目标检测](#1) [2.目标检测](#2) [3.人体姿态估计](#3) [4.图像分割](#4) - [语义分割](#semantic) [5.工业检测](#5) [6.人脸识别](#6) [7.自动驾驶](#7) [8.目标跟踪](#8) [9.动作识别](#9) [10.图像分类](#10) [11.图像识别](#11) [12.NLP](#12) [13.医学图像](#13) [14.自动驾驶](#14) [15.图像去雾](#15) [16.RGB-T](#16) [17.图像去噪](#17) [18.人群计数、行人检测](#18) [19.安全帽、头盔、反光衣、垃圾识别](#19) [20.车牌识别](#20) [21.图像配准](#21) [22.卡车货车、野外火灾、抽烟识别](#22) [23.道路裂缝坑洼图像](#23) [24.足球图像相关](#24) [25.农业相关](#25) [26.卫星图像](#26) [27.异常检测](#27) [28.垃圾分类、水下垃圾/口罩垃圾/烟头垃圾检测](#28) [29.打架识别](#29) [30.面部表情识别](#30) [31.双目立体](#31) [32.slam相关](#32) [33.少样本/零样本学习](#33) [34.图像增强](#34) [35.实例分割](#35) <a name="1"/> # 1 目标检测 [1]AI-TOD航空图像数据集|数据集下载地址：http://m6z.cn/5MjlYk [2]iSAID航空图像大规模数据集|数据集下载地址：http://m6z.cn/6nUrYe [3]TinyPerson数据集|数据集下载地址：http://m6z.cn/6vqF3T [4]Deepscores数据集|数据集下载地址：http://m6z.cn/5xgYdY [5]密集行人检测数据集|数据集下载地址：http://m6z.cn/6nUs1C [6]加州理工学院行人检测数据集|数据集下载地址：http://m6z.cn/5N3Yk7 [7]NWPU VHR-10卫星图像数据集|数据集下载地址：http://m6z.cn/5UAbEW [8]Inria 航空影像数据集|数据集下载地址：http://m6z.cn/6nUs6s [9]RSOD遥感图像数据集|数据集下载地址：http://m6z.cn/5EN96H [10]小目标检测数据集|数据集下载地址：http://m6z.cn/616t6R <a name="2"/> # 2 目标检测 [1]COCO2017数据集|数据集下载地址：https://cocodataset.org/#home [2]火焰和烟雾图像数据集|数据集下载地址：http://m6z.cn/6fzn0f [3]DOTA航拍图像数据集|数据集下载地址：http://m6z.cn/6vIKlJ [4]AITEX数据集|数据集下载地址：http://m6z.cn/5DdJL1 [5]T-LESS数据集|数据集下载地址：http://m6z.cn/5wnucm [6]H²O 行人交互检测数据集|数据集下载地址：http://m6z.cn/6fzmQf [7]SpotGarbage垃圾识别数据集|数据集下载地址：http://m6z.cn/5ZMmRG [8]NAO自然界对抗样本数据集|数据集下载地址：http://m6z.cn/5KJWJA [9]Labelme 图像数据集|数据集下载地址：http://m6z.cn/5Sg9NX [10]印度车辆数据集|数据集下载地址：http://m6z.cn/6uxAIx [12]Seeing 3D chairs椅子检测模型|数据集下载地址：http://m6z.cn/5DdK0v [13]SUN09场景理解数据集|数据集下载地址：http://m6z.cn/60wX8r [14]Unsplash图片检索数据集|数据集下载地址：http://m6z.cn/5wnuoM [15]HICO-DET人物交互检测数据集|数据集下载地址：http://m6z.cn/5DdK6D [16]上海科技大学人群统计数据集|数据集下载地址：http://m6z.cn/5Sgafn [17]生活垃圾数据集|数据集下载地址：http://m6z.cn/6n5Adu [18]RMFD口罩遮挡人脸数据集|数据集下载地址：http://m6z.cn/61z9Fv [19]GTSRB德国交通标志数据集|数据集下载地址：http://m6z.cn/5wJJLA [20]VOC2005车辆数据集|数据集下载地址：http://m6z.cn/5U2X4u [21]Winegrape检测数据集|数据集下载地址：http://m6z.cn/5TikF9 [22]全球小麦检测数据集|数据集下载地址：http://m6z.cn/5wJK64 [23]Linkopings交通标志数据集|数据集下载地址：http://m6z.cn/68ldS0 [24]防护装备-头盔和背心检测|数据集下载地址：http://m6z.cn/61zarT [25]加州理工学院相机陷阱数据集|数据集下载地址：https://beerys.github.io/CaltechCameraTraps/ [26]水下垃圾检测数据集|数据集下载地址：http://m6z.cn/6nnDQK [27]SF-MASK|数据集下载地址：http://suo.nz/2E6ADA [28]口罩检测视频数据集|数据集下载地址：http://suo.nz/2wAnAv [29]口罩佩戴数据集|数据集下载地址：http://suo.nz/2p4avO [30]口罩检测数据集|数据集下载地址：http://suo.nz/2ojy0l [31]MDMFR口罩数据集|数据集下载地址：http://suo.nz/2gNkVE [32]RMFD口罩遮挡人脸数据集|数据集下载地址：http://suo.nz/2ojy0v <a name="3"/> # 3 人体姿态估计 [1]KTH 多视图足球数据集|数据集下载地址：http://m6z.cn/692agI [2]宾夕法尼亚动作数据集|数据集下载地址：http://m6z.cn/692akK [3]BBC姿态数据集|数据集下载地址：http://m6z.cn/5xr6Xq [4]Poser 数据集|数据集下载地址：http://m6z.cn/6gynqz [5]野外 3D 姿势数据集|数据集下载地址：http://m6z.cn/5xr6Z2 [6]V-COCO数据集|数据集下载地址：http://m6z.cn/5UGaii [7]宜家 ASM 数据集|数据集下载地址：http://m6z.cn/692aos [8]立体人体姿势估计数据集|数据集下载地址：http://m6z.cn/62cnp5 [9]AIST++ 舞蹈动作数据集|数据集下载地址：http://m6z.cn/5xr6M8 [10]HiEve数据集|数据集下载地址：http://m6z.cn/6o4AAg <a name="4"/> # 4 图像分割 [1]LVIS数据集|数据集下载地址：https://www.lvisdataset.org/dataset [2]高密度人群及移动物体视频数据集|数据集下载地址：http://m6z.cn/6aHtAI [3]DAVIS 视频分割数据集|数据集下载地址：http://m6z.cn/6i9uMbc <a name="semantic"/> ## 4.1 语义分割 [1]高分二号 (GF-2) 卫星图像大型土地覆盖数据集|数据集下载地址：http://suo.nz/2dPkdv GID 是具有高分二号 (GF-2) 卫星图像的大型土地覆盖数据集。这个新的数据集被命名为高分影像数据集（GID），由于其覆盖面大、分布广、空间分辨率高等特点，与现有的土地覆盖数据集相比具有优势。GID 由两部分组成：大规模分类集和精细土地覆盖分类集。大规模分类集包含 150 个像素级带注释的 GF-2 图像，精细分类集由 30,000 个多尺度图像块加上 10 个像素级带注释的 GF-2 图像组成。分别基于 5 个类别的训练图像和验证图像收集并重新标记 15 个类别的训练数据和验证数据。 [2]DADA-seg|数据集下载地址：http://suo.nz/3bZ3qm DADA-seg 是一个按像素标注的事故数据集，其中包含交通事故的各种关键场景。 [3]Dark Zurich|数据集下载地址：http://suo.nz/34sQlF Dark Zurich 是一个图像数据集，包含在夜间、黄昏和白天拍摄的总共 8779 张图像，以及每张图像的相机各自的 GPS 坐标。这些 GPS 注释用于构建一天中的跨时间对应关系，即，将每个夜间或黎明图像与其白天对应物相匹配。 [4]斯坦福背景数据集|数据集下载地址：http://suo.nz/2WWDgY 斯坦福背景数据集是 Gould 等人引入的新数据集。(ICCV 2009)用于评估几何和语义场景理解的方法。该数据集包含 715 张图像，这些图像选自现有的公共数据集：LabelMe 、 MSRC、 PASCAL VOC 和Geometric Context。我们的选择标准是图像是户外场景，像素大约为 320 x 240，至少包含一个前景物体，并且地平线位于图像内（不需要可见）。 [5]CIHP人体解析数据集|数据集下载地址：http://suo.nz/2ll7hi Crowd Instance-level Human Parsing (CIHP) 数据集包含 38,280 张多人图像，这些图像具有精�

评论收藏

内容反馈