街景房屋号码 (SVHN) 数据集

最新推荐文章于 2025-05-19 07:18:00 发布
原创 最新推荐文章于 2025-05-19 07:18:00 发布 · 3.7k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#数据集 #深度学习 #分类算法 #机器学习

SVHN是一个用于机器学习和对象识别的真实世界图像数据集，来源于谷歌街景图像中的门牌号码，包含超过60万张数字图片。该数据集分为10个类别，每个类别代表一个数字，并分为训练集（73257张）、测试集（26032张）和额外训练集（531131张）。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

街景房屋号码 (SVHN) 数据集

下载地址：(SVHN) 数据集

SVHN 是一个真实世界的图像数据集，用于开发机器学习和对象识别算法，对数据预处理和格式化的要求最低。它可以被视为与MNIST 的风格相似（例如，图像是裁剪后的小数字），但包含一个数量级的标记数据（超过 600,000 个数字图像），并且来自一个明显更难、未解决的现实世界问题（识别自然场景图像中的数字和数字）。SVHN 是从谷歌街景图像中的门牌号获得的。

10个班级，每个数字1个。数字'1'有标签 1，'9'有标签 9，'0'有标签 10。

73257 位用于训练，26032 位用于测试，以及 531131 个额外的、难度稍低的样本，用作额外的训练数据

img

img

TFlearn——（2）SVHN
weixin_30677617的博客
01-20 793
1，数据集简介 　　SVHN（Street View House Number）Dateset 来源于谷歌街景门牌号码，原生的数据集1也就是官网的 Format 1 是一些原始的未经处理的彩色图片，如下图所示（不含有蓝色的边框），下载的数据集含有 PNG 的图像和digitStruct.mat 的文件，其中包含了边框的位置信息，这个数据集每张图片上有好几个数字，适用于 OCR 相关方向。 ...
人工智能数据集描述——SVHN
热门推荐
CodeTutor
06-29 1万+
SVHN数据集包含train文件接，test文件夹以及extra文件夹。分别包含33402、13068、202353个标记图片。每个文件夹中包含 图片，图片以*.png命名； 一个digitStruct.mat文件 文件中的数据的组织结构大概如下： digitMat = load('digitStruct.mat') digitMat.digitStruct----->1*13068 struct
SVHN数据集
11-23
The Street View House Numbers(SVHN)数据集，原数据为mat文件格式，已提取成图像，并将label标注出来，训练集测试集总共有10w张图片
SVHN-数据集
03-12
SVHN数据集 mchar_train.json mchar_val.json mchar_data_list_0515.csv
【Pytorch学习笔记】数据模块04——自动数据增强
最新发布
qq_50040241的博客
05-19 939
Google Brain团队在《AutoAugment: Learning Augmentation Strategies from Data》论文中提出了一种自动搜索最佳数据增强策略组合的方法，通过RNN网络在ImageNet、CIFAR-10和SVHN数据集上取得了当时最优的结果。PyTorch已为这些数据集内置了基于AutoAugment的增强策略。AutoAugmentPolicy类提供了针对不同数据集优化的增强策略，用户可以根据数据集特点选择相应的策略，并结合基础转换使用。此外，RandAugme
SVHN数据集下载及使用方法
sinat_41942180的博客
02-23 1万+
10 个类别，每个数字 1 个。数字“1”的标签为 1，“9”的标签为 9，“0”的标签为 10。73257 个数字用于训练，26032 个数字用于测试，以及 531131 个额外的、难度稍低的样本，用作额外的训练数据有两种格式：1. 带有字符级边界框的原始图像。2. 以单个字符为中心的类似 MNIST 的 32×32 图像（许多图像确实在侧面包含一些干扰项）。
街景房屋号数据集说明
01-25
SVHN数据集可以看作是类似于MNIST数据集，但包含了更多的标记数据和来自真实世界的图像。 二、数据集组成 SVHN数据集总共包含73257个训练样本、26032个测试样本和531131个额外训练样本。数据集可以分为两种格式：...
SVHN数据集训练样本集 - 32x32分辨率压缩包
深度学习中常用的卷积神经网络（CNNs）特别适合处理图像数据，因此SVHN数据集是测试和训练CNN模型的一个很好的选择。由于数据集中的图像大小为32x32像素，这使得处理速度和计算资源的要求相对较低，非常适合入门和...
Google SVHN数据集数字本地化技术深度解析
1. Google SVHN数据集：Google街景房号数据集是基于Google街景图像的一个公开数据集，它包含了来自真实的街道路况的房屋门牌号码图像。这些图像都是从真实世界场景中捕获的，具有自然变化和复杂性，为数字识别和本地...
基于TensorFlow的SVHN数据集数字分类CNN模型构建与应用
SVHN数据集（Street View House Numbers dataset）包含从谷歌街景中提取的房屋号码图像。与传统的MNIST数据集相比，SVHN的图像更加复杂，背景更加复杂多变，这对图像识别算法的鲁棒性提出了更高的要求。在本资源中，...
利用Matlab代码进行Google街景房屋号码识别
1. **数据集特征**: SVHN是一个现实世界的数据集，与MNIST数据集相似，但是它从真实世界的街景图像中获取数据，包含的是门牌号图像。数据集包含超过600,000个标记的数字图像，覆盖从0到9的10个数字类别。 2. **数据...
SVHN神经网络
03-03
SVHN神经网络 建立了卷积神经网络，以根据Google街景门牌号码（SVHN）数据集对门牌进行分类。 关于SVHN数据集 SVHN是一个现实世界的图像数据集，用于开发机器学习和对象识别算法，而对数据预处理和格式化的要求最低。 SVHN是从Google街景图像中的门牌号获得的。
SVHN(The Street View House Numbers)数据集
03-04
The Street View House Numbers(SVHN)数据集，原数据为mat文件格式，已提取成图像，并将label标注出来，标注格式为coco，训练集测试集总共有10w张图片
SVHN_32x32.zip
10-07
SVHN数据集，32*32mat格式！！！
房屋售价的数据集kaggle
10-11
此数据集可以拿来做简单的机器学习模型构建的测试数据集。是一个很好的练习和学习机器学习的材料。
cudnn 免Nvidia登入下载
Bend_Function的博客
02-22 5120
我自己家的服务器，这几天升级了CUDA10，发现了CUDNN的狗血下载速度。于是做了镜像。 包含 cudnn 6.0 cudnn 7.1.3 （仅含CUDA9.1） cudnn 7.1.4 cudnn 7.4.1 win7，win10以及Linux的下载地址 各版本地址：http://p2341j3301.51mypc.cn:666/share/cudnn/ （不要问我为什么是这么奇怪的域名。。因...
前馈神经网络学习SVHN数据集
跨学科知识视角展现
04-25 2408
理论部分 神经模型 激活函数 线性代数 神经模型等式 监督学习 神经元层 前馈神经网络 向量化激活 输入向量的向量化 线性和非线性激活 输出层 向量化标签和输出 代价函数 梯度下降 消失和爆炸梯度 反向传播方程的向量化 SVHN数据集 街景门牌号码（SVHN）是用于开发机器学习和对象识别算法的真实图像数据集。 它是最常用的基准数据集之一，因为它需要最少的数据预处理和格式化。 尽管它与MNIST有一些相似之处，其中图像的裁剪数字很小，但SVHN合并了更多数量级的标记数据（超过600,000位数的图像）。 它
SVHN数据集处理
ahin159的博客
08-19 1万+
SVHN数据集介绍 SVHN（Street View House Number）Dateset 来源于谷歌街景门牌号码，每张图片中包含一组 ‘0-9’ 的阿拉伯数字。图片如下图所示，训练集中包含 73257 个数字，测试集中包含 26032 个数字，另有 531131 个附加数字。 　　该篇博客下载的数据集含有三个.mat 的文件：train_32x32.mat， test_32x32.mat， extra_32x32.mat。 所有数字都已调整为32 x 32像素的固定分辨率。加载.mat文件会创建2
SVHN 数据集
guojingjuan的博客
06-23 1万+
一直都是直接把test集直接作为测试集的，结果今天才发现错了。 是 training data without any data augmentation, and a validation set with 6,000 images is split from the training set.  6000的来源是: select 400 samples per class from the
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值