Dataset
图像分类
- Imagenet官网：https://image-net.org/download.php https://www.kaggle.com/c/imagenet-object-localization-challenge/data
下载：https://cloud.google.com/tpu/docs/imagenet-setup?hl=zh-cn
介绍：https://lonepatient.top/2018/07/01/Deep_Learning_For_Computer_Vision_With_Python_PB_13.html
Imagenet
完整版本：
21,841类别(synsets)
14,197,122张图片
WordNet：英语字典，ImageNet数据集是根据WordNet IDs映射的；
synset(同义词集合)：WordNet根据词条的意义将它们分组，每一个具有相同意义的字条组称为一个synset；
子数据集：ILSVRC（ImageNet的一个子集），大约120万个训练图像，5万个验证图像，以及10万个测试图像；
1000类别标记（train中每类732—1300张图片，val中每类50张图像，test中每类100张图像）
ILSVRC数据集结构介绍：
- Annotations：物体位置标注数据文件，一般是在物体检测任务中使用到，目前我们可以忽略这个数据集
- Data：数据文件夹，这个是我们需要重点关注的，里面包含了train、val和test原始图像数据
- ImageSets：图像对应的属性信息，主要存放的是标签的映射关系数据（train_cls.txt、val.txt）
train目录：如WordNet ID为n01440764的子目录包含了1300张 “tench（欧洲淡水鱼）”图像
Val目录：所有图像都放在一个文件夹中（在val.txt文件中，提供了val数据集文件名到类标签的映射关系）
test目录：保密的，没有标签信息
“黑名单”图像——由ImageNet数据集管理员标记为“黑名单”的图像，由于该图像的类标签过于模糊，因此在评估过程中我们不考虑这些图像；
devkit（ILSVRC2016_devkit.tar.gz）：包含实际的索引文件、validation数据中黑名单图像id和图像文件名映射到相应的实际类标签等数据；
data目录：
- map_clsloc.txt：包含WordNet ID映射到图像真实的类标签数据
- ILSVRC2015_clsloc_validation_ground_truth.txt
- ILSVRC2015_clsloc_validation_blacklist.txt
2. 人像：https://www.kaggle.com/laurentmih/aisegmentcom-matting-human-datasets
3. Caltech 101：101个类别，每类约40-800张图片（102类，包括一个杂乱类），大部分类别有50张图片（300*200），共计9145张图片；
4. Caltech 256：Caltech 101数据集改进，257个类别（包含一个杂乱类），每类约80-827张图片，共计30607张；
5. Cifar10：10类（飞机，汽车，鸟，猫，鹿，狗，青蛙，马，船，卡车），每类6000张图片（32*32），共计6W张；
6. Cifar100：100个类别（分入20个一级类），每个子类600张图片（32*32），共计6W张；https://www.kaggle.com/aymenboulila2/cifar100
|
超类 |
子类 |
|
水生哺乳动物 |
海狸，海豚，水獭，海豹，鲸鱼 |
|
鱼 |
水族馆鱼，比目鱼，雷，鲨鱼，鳟鱼 |
|
花卉 |
兰花，罂粟，玫瑰，向日葵，郁金香 |
|
食品容器 |
瓶子，碗，罐，杯子，盘子 |
|
水果和蔬菜 |
苹果，蘑菇，橘子，梨，甜椒 |
|
家用电器 |
时钟，电脑键盘，灯，电话，电视 |
|
家用家具 |
床，椅子，沙发，桌子，衣柜 |
|
昆虫 |
蜜蜂，甲虫，蝴蝶，毛毛虫，蟑螂 |
|
大食肉动物 |
熊，豹，狮子，老虎，狼 |
|
大型人造户外用品 |
桥梁，城堡，房屋，道路，摩天大楼 |
|
大型自然户外场景 |
云，森林，山，平原，海洋 |
|
大型杂食动物和食草动物 |
骆驼，牛，黑猩猩，大象，袋鼠 |
|
中型哺乳动物 |
狐狸，豪猪，负鼠，浣熊，臭鼬 |
|
非昆虫无脊椎动物 |
螃蟹，龙虾，蜗牛，蜘蛛，蠕虫 |
|
人们 |
婴儿，男孩，女孩，男人，女人 |
|
爬虫类 |
鳄鱼，恐龙，蜥蜴，蛇，乌龟 |
|
小哺乳动物 |
仓鼠，鼠标，兔子，rabbit，松鼠 |
|
树木 |
枫木，橡木，棕榈，松木，柳树 |
|
车辆1 |
自行车，公共汽车，摩托车，皮卡车，火车 |
|
车辆2 |
割草机，火箭，电车，坦克，拖拉机 |
目标检测
1. Coco官网：https://cocodataset.org/#home
介绍：https://arleyzhang.github.io/articles/e5b86f16/
2. PASCAL VOC官网：http://host.robots.ox.ac.uk/pascal/VOC/
介绍：图片集包括20个目录：人类；动物（鸟、猫、牛、狗、马、羊）；交通工具（飞机、自行车、船、公共汽车、小轿车、摩托车、火车）；室内（瓶子、椅子、餐桌、盆栽植物、沙发、电视 https://arleyzhang.github.io/articles/1dc20586/