常规数据集benchmark，baseline的整理（持续更新）

最新推荐文章于 2025-07-03 17:18:53 发布

tang-0203

最新推荐文章于 2025-07-03 17:18:53 发布

阅读量4.1k

点赞数

CC 4.0 BY-SA版权

分类专栏：数据集整理文章标签：数据集榜单 Benchmark Baseline

本文链接：https://blog.youkuaiyun.com/tsq292978891/article/details/80388947

本文整理了常见的分类数据集，包括MNIST、CIFAR-10、CIFAR-100、STL-10、SVHN和ILSVRC2012，提供了相关榜单链接。同时，介绍了ImageNet比赛的任务类型，如Classification和localization，并给出了数据集官网和一些在CIFAR10上进行的实验示例，如VGG16和ResNet。此外，提到了检测数据集PASCAL VOC和MSCOCO。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、分类数据集
MNIST
CIFAR-10
CIFAR-100
STL-10
SVHN
ILSVRC2012 task 1
包含以上数据集的榜单整理：http://rodrigob.github.io/are_we_there_yet/build/classification_datasets_results.html#494c5356524332303132207461736b2031
注：ImageNet比赛通常是Classification和localization任务一起做的。
关于Classification，localization，detection任务的区别：https://leonardoaraujosantos.gitbooks.io/artificial-inteligence/content/object_localization_and_detection.html。
localization可以认为是简单的检测任务，一张图只检测出一个物体。（ImageNet分类任务。每个图片只有一个标签，但实际上可能存在多个物体，因此榜单中出现了TOP5-Accuracy这一指标）
ImageNet数据集官网：http://image-net.org/
用来做分类的数据集图片自12年后没变。