圖像分類常用數(shù)據(jù)集

• 1 CIFAR-10
• 2.MNIST
• 3.STL_10
• 4.Imagenet
• 5.L-Sun
• 6.caltech-101

在訓(xùn)練神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識(shí)別分類時(shí)，常會(huì)用到一些通用的數(shù)據(jù)集合。利用這些數(shù)據(jù)集合可以對(duì)比不同模型的性能差異。下文整理常用的圖片數(shù)據(jù)集合（持續(xù)更新中)。
基本信息對(duì)比表格：

數(shù)據(jù)集合類別數(shù)圖像數(shù)/類訓(xùn)練集測(cè)試集圖像大小格式數(shù)據(jù)集大小圖像內(nèi)容

CIFAR-10	10	6k	5w	1w	32*32	RGB	163M	交通工具，動(dòng)物
MNIST	10	7k	6w	1w	28*28	灰度	54M	手寫數(shù)字
STL_10	10	1300(label)+10W(unlabel)	500	800	96*96	RGB	2.5G	與cifar一樣
L-sun	10	–	–	–	256*256	RGB	>50G	場(chǎng)景

1 CIFAR-10

CIFAR-10是RGB 彩色圖像數(shù)據(jù)集，是Hinton的學(xué)生Alex標(biāo)注整理發(fā)布。
數(shù)據(jù)集發(fā)布網(wǎng)站：http://www.cs.toronto.edu/~kriz/cifar.html

一共包含10 個(gè)類別：飛機(jī)（ airplane ）、汽車（ automobile ）、鳥類（ bird ）、貓（ cat ）、鹿（ deer ）、狗（ dog ）、蛙類（ frog ）、馬（ horse ）、船（ ship ）和卡車（ truck ）。

每個(gè)圖片的尺寸為32 × 32 ，每個(gè)類別有6000個(gè)圖像，數(shù)據(jù)集中一共有50000 張訓(xùn)練圖片和10000 張測(cè)試圖片。訓(xùn)練數(shù)據(jù)背分別放在5個(gè).bin文件中，測(cè)試數(shù)據(jù)放在1個(gè)文件中。

一個(gè)樣本由32323=3073 個(gè)字節(jié)組成，第一個(gè)字節(jié)為標(biāo)簽label ，剩下3072 個(gè)字節(jié)為圖像數(shù)據(jù)。樣本和樣本之間沒高多余的字節(jié)分割， 每個(gè)二進(jìn)制文件的大小是30730000 字節(jié)。

數(shù)據(jù)集合的文件目錄如下：

通過pytorch 讀入cifar-10數(shù)據(jù)文件：

transform=transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)), ])

訓(xùn)練集，將目錄./data下的cifar-10-batches-py文件夾中的全部訓(xùn)練數(shù)據(jù)（50000張訓(xùn)練圖片）加載到內(nèi)存中，若download為True時(shí)，會(huì)自動(dòng)從網(wǎng)上下載數(shù)據(jù)并解壓

trainset = torchvision.datasets.CIFAR10(root=’./data’, train=True, download=True, transform=transform)

將訓(xùn)練集的50000張圖片劃分成12500份，每份4張圖，用于mini-batch輸入。shffule=True在不同epoch的數(shù)據(jù)遍歷時(shí)，打亂順序重新分組。num_workers=2：使用兩個(gè)子進(jìn)程來加載數(shù)據(jù)

trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2)

測(cè)試集，將目錄./data下的cifar-10-batches-py文件夾中的全部測(cè)試數(shù)據(jù)（10000張測(cè)試圖片）加載到內(nèi)存中，若download為True時(shí)，會(huì)自動(dòng)從網(wǎng)上下載數(shù)據(jù)并解壓

testset = torchvision.datasets.CIFAR10(root=’./data’, train=False, download=False, transform=transform)

將測(cè)試集的10000張圖片劃分成2500份，每份4張圖，用于mini-batch輸入。

testloader = torch.utils.data.DataLoader(testset, batch_size=4, shuffle=False, num_workers=2)

用for 循環(huán)enumerate在trainloader和testloader 中取批次數(shù)據(jù)即可。

for i, data in enumerate(trainloader, 0):

參考資料：https://blog.csdn.net/qq_41185868/article/details/82793025

2.MNIST

3.STL_10

官方網(wǎng)址:https://cs.stanford.edu/~acoates/stl10/

STL-10數(shù)據(jù)集是用于開發(fā)無監(jiān)督特征學(xué)習(xí)、深度學(xué)習(xí)、自學(xué)習(xí)算法的圖像識(shí)別數(shù)據(jù)集。它的靈感來自CIFAR-10數(shù)據(jù)集，并進(jìn)行了一些修改。與CIFAR-10相比，每一類別 標(biāo)記訓(xùn)練樣本數(shù)量較少.但是在監(jiān)督訓(xùn)練之前，提供了大量的未標(biāo)記樣本來學(xué)習(xí)圖像模型。主要的困難是利用未標(biāo)記的數(shù)據(jù)（來自與標(biāo)記數(shù)據(jù)相似但不同的分布）來構(gòu)建有用的先驗(yàn)。我們還期望，該數(shù)據(jù)集以較高分辨率（96x96）將使其成為開發(fā)更具伸縮性的無監(jiān)督學(xué)習(xí)方法的基準(zhǔn)。

1.10個(gè)類：飛機(jī)、鳥、汽車、貓、鹿、狗、馬、猴、船、卡車。
2.圖像為96x96像素，彩色。
3.500張訓(xùn)練圖像（10份）/每類，800張測(cè)試圖像/每類。
4.用于無監(jiān)督學(xué)習(xí)的100000張無標(biāo)簽圖像。這些樣本是從相似但分布更廣的圖像中提取出來的。例如，10類標(biāo)簽中的動(dòng)物外，它還包含其5.他類型的動(dòng)物（熊、兔子等）和車輛（火車、公共汽車等）。
圖像是從ImageNet上標(biāo)記的樣本中獲取的。

官網(wǎng)提供了matlab 版本(.mat)和python 版本(二進(jìn)制文件)的數(shù)據(jù)文件,(我用的是python版本的文件)

二進(jìn)制文件有數(shù)據(jù)文件和標(biāo)簽文件：train_X.bin(數(shù)據(jù)文件)、train_y.bin(標(biāo)簽文件)、test_X.bin和test_y.bin。在每個(gè)值中，數(shù)據(jù)存儲(chǔ)格式:uint8的數(shù)組。圖像以列主順序存儲(chǔ)，一次一個(gè)通道。也就是說，前9696值是紅色通道，后9696值是綠色，最后一個(gè)是藍(lán)色。標(biāo)簽在1到10之間。未標(biāo)記的數(shù)據(jù)集unlabeld.bin的格式相同，但不存在“y.bin”文件。

提供一個(gè)class_names.txt文件供參考，每行一個(gè)類名。

文件fold_index.txt包含用于訓(xùn)練的每個(gè)fold的（0開始）索引。第一行包含第一個(gè)fold、第二行、第二個(gè)fols索引等等等。

感謝Martin Tutek為加載/查看STL-10提供代碼！鏈接:https://github.com/mttk/STL10
stl10在pytorch 中對(duì)應(yīng)的數(shù)據(jù)載入接口：torchvision.datasets.STL10(root: str, split: str = ‘train’, folds: Optional[int] = None, transform: Optional[Callable] = None, target_transform: Optional[Callable] = None, download: bool = False)

4.Imagenet

網(wǎng)址:http://www.image-net.org/download.php
ImageNet是一個(gè)根據(jù)WordNet層次結(jié)構(gòu)（目前只有名詞）組織的圖像數(shù)據(jù)庫(kù)，其中每個(gè)節(jié)點(diǎn)都由成百上千的圖像描述。目前平均每個(gè)節(jié)點(diǎn)有500多個(gè)圖像。
1500萬張,數(shù)據(jù)大小1TB,但是算力不夠的情況下只會(huì)用到其中的一些子集.

光imaget 2012 就是150G(下不動(dòng),下不動(dòng))

pytorch 提供的數(shù)據(jù)接口針對(duì):ImageNet 2012 Classification Dataset.

要注冊(cè),才能下載圖像,知乎操作:https://zhuanlan.zhihu.com/p/42696535

5.L-Sun

官網(wǎng):https://www.yf.io/p/lsun-介紹l-sun 文章,比賽,數(shù)據(jù)集,有鏈接直轉(zhuǎn)到數(shù)據(jù)下載github倉(cāng)庫(kù)
github:https://github.com/fyu/lsun

l-sun 是一個(gè)場(chǎng)景數(shù)據(jù)庫(kù),包括10個(gè)場(chǎng)景.場(chǎng)景和對(duì)應(yīng)的序號(hào)為:

bedroom 0 # --40G
bridge 1
church_outdoor 2
classroom 3
conference_room 4
dining_room 5
kitchen 6
living_room 7
restaurant 8
tower 9 #train+test --13.9G

tower-train-Minibatch_size為64,有11067個(gè)batch,約合70w張圖片)

6.caltech-101

官網(wǎng):http://www.vision.caltech.edu/Image_Datasets/Caltech101/
加利福尼亞理工學(xué)院101類圖像數(shù)據(jù)庫(kù),有101類物體的圖片。每個(gè)類別大約有40到800個(gè)圖像。大多數(shù)類別都有大約50張圖片。2003年9月由李飛飛、安德烈托和蘭扎托收藏。每個(gè)圖像的大小大約為300 x 200像素。(9144張,平均每個(gè)類別90張)
制作者們仔細(xì)點(diǎn)擊了這些圖片中每個(gè)對(duì)象的輪廓，輪廓信息包含在“Annotations.tar”下面,有一個(gè)matlab腳本可以查看注釋,
“show_annotations.m”。

caltech-256,30607張圖片,1.2G(平均每個(gè)類別119張.)

101 object， 256 object 都是folder 數(shù)據(jù)集合，使用pytorch dset.ImageFolder接口即可.

總結(jié)

以上是生活随笔為你收集整理的MachineLearning(2)-图像分类常用数据集的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。