该数据集用于进行无限制的人脸识别，包含 13000 张从互联网上获取的人脸图像，每张图片都标有该人的姓名，其中有 1680 个人的有超过2张图像。这些人脸图片均通过 Viola-Jones 人脸检测算法从互联网上检测到。 共有四个子数据集，分别为 原始数据集（lfw）、funneled images、LFW-a、deep funneled images 四组。

Labeled Fishes in the Wild 为鱼类图像数据集，图像中包含鱼类、无脊椎动物和河床，通过部署在远程操作潜水器上的渔业统计摄像系统拍摄得到的。鱼类位置数据被包括在相应的数据文件中（ dat，vec 和 info），标注了鱼在图像中的位置。

matlab 交叉验证代码 Preface 下面是我对这篇 Reading Text in the Wild with Convolutional Neural Networks 文章, 对于前半部分：文字定位检测部分的复现大致流程。 用的数据集是 ICDAR 2011: ，不少人都说 ICDAR 2011 数据集下载不了，我在这里上传一份我自己备份的： 需要指出的是，一方面因为做个实验与示例，且数据集小，做的结果比较粗糙。希望大家包含一下，因为不少同学跟我私信要代码，我在这里贴出来。希望得到大神的建议，帮助完善。 整理后的过程文件都在 reading text in the wild 中。 edge_boxes_with_python 文件夹，存放 Edge Boxes 、Random Forest 的代码，还有一些中间保存的变量结果。 Bounding_Box_Reg 是存放最后回归的文件夹。训练数据的生成、网络的定义都在里面。 Output 文件夹存放中间输出的图像，即将 Bounding Boxes 画在原图上的结果。 **注意：**下面有些数学公式，Github 上不支持，您

yolov5鱼类数据集FISHES-IN-THE-WILD-YOLOv5

英文原版书The Call of the Wild(野性的呼唤).pdf

Labeled Faces in the Wild Dataset 是一个面部图像数据集，专为研究无约束人脸识别开发，该数据集包含从网络收集的 13,000 多张面部图像，每张图片标注有人物名称，共有 1680 人，这些图片均由 Viola – Jones 面部探测器所拍摄。 Labeled Faces in the Wild Dataset 由马萨诸塞大学阿默斯特分校于 2007 年 10 月发布，主要发布人为 Erik Learned-Miller、 Gary B. Huang、 Aruni RoyChowdhury、 Haoxiang Li 和 Gang Hua，相关论文有《Labeled Faces in the Wild: A Database for Studying Face Recognition in Unconstrained Environments》。

不同方向成对图像拼接（保持车ID不变），可作一般用途，可作为数据增强数据集，生成不同角度的图像，利用GAN网络

使用 Wild Horse Optimizer (WHO) 的支持向量机 (SVM) 超参数优化（matlab代码） 我们使用 Wild Horse Optimizer 作为解决工程优化问题的强大且快速的元启发式算法，在分类问题中开发优化支持向量机算法超参数（内核、c、gamma） 首先，您可以使用任何带有编辑 Main.m 文件的数据集，然后单击运行

300 Face in Wild 是一个人脸识别和轮廓标注数据，该数据及也是机器视觉等级会议 ICCV 2013 人脸检测竞赛所使用的数据集。

LFW(Labeled Faces in the Wild) 人脸识别数据集