官方问题反馈
API接口问题反馈
-
数据集介绍： 这24个数据集是由潘广汉、孙天生、托比·威德和丹尼尔·沙尔斯坦在2019-2021期间创建的。数据集包括11个场景，在许多不同的照明条件和曝光（包括移动设备的闪光灯和“手电筒”照明）下，从1-3个不同的观看方向成像。 References: [1] D. Scharstein and R. Szeliski. A taxonomy and evaluation of创建时间: 2022-11-17 00:20 -
RESIDE
0 话题数据集介绍： RESIDE数据集包括合成和真实世界的模糊图像，称为REalistic Single Image Dehazing，RESIDE突出显示了各种数据源和图像内容，并分为五个子集，每个子集用于不同的训练或评估目的。提供了各种各样的去雾算法评估标准，从完整参考度量，无参考度量，到主观评估和任务驱动评估。 引用： @article{li2019benchmarking, title={B创建时间: 2022-11-17 00:20 -
D-HAZY
0 话题数据集介绍 D-HAZY，建立在Middelbury 和NYU深度数据集上，这些数据集提供各种场景的图像及其相应的深度图。包含1400多对图像的数据集，其中包括同一场景的地面真实参考图像和模糊图像。 引用： @inproceedings{Ancuti_D-Hazy_ICIP2016, author = {Cosmin Ancuti, Codruta O. Ancuti, Christophe创建时间: 2022-11-17 00:20 -
食物图像数据集
0 话题该数据集包含完整 food-101 数据的许多不同子集。为了给图像分析制作一个比 CIFAR10 或 MNIST 更简单的训练集，该数据包括图像的大规模缩小版本，以实现快速测试。数据已被重新格式化为 HDF5，特别是 Keras HDF5Matrix，这样可以轻松读取它们。文件名表示文件的内容。例如 foodc101n1000_r384x384x3.h5 表示有 101 个类别，n=1000创建时间: 2022-11-17 00:20 -
Office-Home数据集
0 话题Office-Home 是一个用于域适应的基准数据集，它包含 4 个域，每个域由 65 个类别组成。这四个领域是： 艺术——素描、绘画、装饰等形式的艺术形象；剪贴画——剪贴画图像的集合；产品——没有背景的物体图像；和真实世界——用普通相机拍摄的物体图像。它包含 15,500 张图像，平均每个类大约 70 张图像，一个类最多 99 张图像。创建时间: 2022-11-17 00:20 -
商标数据集
0 话题在这项工作中，我们构建了一个大规模的 logo 数据集 Logo-2K+，它涵盖了来自真实世界 logo 图像的各种 logo 类别。 我们生成的徽标数据集包含 167,140 张图像，具有 10 个根类别和 2,341 个类别。创建时间: 2022-11-17 00:19 -
衣服数据集
0 话题衣服数据集总共收集了 20 种衣服的 5,000 张图像。该数据集是根据公共领域许可 (CC0) 发布的。我们使用了三种不同的方式来收集数据集： Toloka——众包平台；社交媒体上的网络众包计划； Tagias——一家专门从事数据收集的公司。标签是使用 IPython 小部件手动完成的，同时我们使用简单的神经网络纠正了标签错误。 数据集包含 20 个类，包括T 恤（1011 件），长袖（69创建时间: 2022-11-17 00:19 -
飞机数据集
0 话题数据集包含 10,000 张飞机图像，数据分为 3334 个训练图像、3333 个验证图像和 3333 个测试图像。 飞机模型按四级层次结构组织。 四个层次，从细到粗，分别是： 型号，例如 波音 737-76J。 由于某些模型在视觉上几乎无法区分，因此在评估中不使用此级别。变体，例如 波音 737-700。 一个变体将所有在视觉上无法区分的模型折叠成一个类。 该数据集包含 100 个不同的变体。家创建时间: 2022-11-17 00:19 -
90种动物图像数据集
0 话题在这个数据集中有 90 个不同类别的 5400 张动物图像。此数据集是从 Google 图片创建的：https://images.google.com/。所有照片将按照其所属类别存放于各自的文件夹下。动物类别包括：羚羊，獾，蝙蝠，熊，蜜蜂，甲虫，野牛，公猪，蝴蝶，猫毛虫，黑猩猩等。该数据集中的图像大小不固定，可能需要后续的处理。创建时间: 2022-11-17 00:19 -
室内场景识别
0 话题该数据集是麻省理工学院提供的原始数据。室内场景识别是高层次视觉中一个具有挑战性的开放性问题。 大多数适用于室外场景的场景识别模型在室内领域表现不佳。主要困难在于，虽然一些室内场景（例如走廊）可以通过全局空间属性很好地表征，但其他的（例如书店）可以通过它们包含的对象更好地表征。 更一般地说，为了解决室内场景识别问题，我们需要一个可以利用局部和全局判别信息的模型。 该数据库包含 67 个室内类别，创建时间: 2022-11-17 00:19
