深度学习数据集+模型说明

深度学习数据集+模型说明
1、mnist
Google实验室的Corinna Cortes和纽约⼤学柯朗研究所的Yann LeCun建的⼀个⼿写数字数据库，训练库有60,000张⼿写数字图像，测试库有10,000张。

对应的⼿写识别模型为LeNet。

2、cifar10
由Hinton的两个⼤弟⼦Alex Krizhevsky、Ilya Sutskever收集的⼀个⽤于普适物体识别的数据集。

Cifar是加拿⼤牵头投资的⼀个先进科学项⽬研究所。

CIFAR-10数据集包含60000个32*32的彩⾊图像，共有10类。

有50000个训练图像和10000个测试图像。

数据集分为5个训练块和1个测试块，每个块有10000个图像。

测试块包含从每类随机选择的1000个图像。

训练块以随机的顺序包含这些图像，但⼀些训练块可能⽐其它类包含更多的图像。

训练块每类包含5000个图像。

类间完全互斥。

这个数据集最⼤的特点在于将识别迁移到了普适物体，⽽且应⽤于多分类（姊妹数据集Cifar-100达到100类，ILSVRC⽐赛则是1000类）。

同已经成熟的⼈脸识别相⽐，普适物体识别挑战巨⼤，数据中含有⼤量特征、噪声，识别物体⽐例不⼀，⽽且分类庞⼤。

3、cifar100
数据集包含100⼩类，每⼩类包含600个图像，其中有500个训练图像和100个测试图像。

100类被分组为20个⼤类。

每个图像带有1个⼩类
的“fine”标签和1个⼤类“coarse”标签。

4、ImageNet
ImageNet 是⼀个计算机视觉系统识别项⽬，是⽬前世界上图像识别最⼤的数据库。

2010年，来⾃斯坦福⼤学、普林斯顿⼤学及哥伦⽐亚⼤学的科学家们启动ImageNet⼤规模视觉识别挑战赛（ImageNet Large Scale Visual Recognition Challenge，ILSVRC）。

ILSVRC2012是2012年的⽐赛数据集，在此次⽐赛中，Alex提出的AlexNet⽹络结构模型赢得了冠军；ILSVRC2014是2014年的⽐赛数据集，在此次⽐赛中，GoogLeNet，VGGNet分获冠亚军。