本文列举了10个用于计算机视觉项目的高质量数据集，包括CIFAR-10、Cityscapes、Fashion MNIST、ImageNet、IMDB-Wiki、Kinetics-700、MS COCO、MPII Human Pose、Open Images和20BN-Something-Something V2。这些数据集广泛应用于模型训练和评估，推动了领域内的技术创新。
计算机视觉正在加速行业中几乎每个领域的发展。 在计算机视觉技术的帮助下，组织正在彻底改变机器以前的工作方式。 现在，全球各地的大型技术都在利用计算机视觉技术领域，例如医疗保健和自动驾驶等。 为了建立强大的计算机视觉深度学习模型，必须在训练阶段应用高质量的数据集。
在本文中，我们将列出10个可用于Computer Vision项目的高质量数据集。
1 | CIFAR-10
CIFAR-10是Alex Krizhevsky，Vinod Nair和Geoffrey Hinton收集的一种流行的计算机视觉数据集。 该数据集用于对象识别，由10类60,000张32×32彩色图像组成，每类6,000张图像。 它分为五个训练批次和一个测试批次，每个批次具有10,000张图像，这意味着有50,000个训练图像和10,000个测试图像。
2 | Cityscapes
Cityscapes是Computer Vision项目的开源大规模数据集，其中包含来自50个不同城市的街道场景中记录的各种立体视频序列。它包括5,000个
最低0.47元/天 解锁文章
扫一扫
1229
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
