视频对象分割（VOS）领域常用的数据集之一——FBMS数据集，包括了它的训练集和测试集。是实例级的分割，不过也可稍作修改作为对象级分割的数据集。

害虫分类数据集。有四种类别的害虫，其中训练集，测试集已经划分完成

根据风机 id（tracking_id）、日期时间、风速(m/s)、大气温度(° c)、轴温(° c)、叶片角度(° c)、齿轮箱温度(° c)、发动机温度(° c)、电机转矩(N-m)、发电机温度(° c)、大气压力(Pascal)、面积温度(° c)、风车车体温度(° c)、风向(° c)、电阻(ohm)、转子转矩(N-m)、状态、云层高度、叶片长度(m)、风车高度(m)来预测风力发电发电量

绝缘子憎水性等级识别图像数据集（划分好训练集、测试集、HC1-HC7每类600多张）

火灾数据集，一共2056张图片和xml文件，已标注，已分配训练集、验证集和测试集，采用了2056张典型的火灾现场图片，使用VOC标注了火灾位置，并且将图片和xml文档的文件名进行有序排列。可以用于火灾识别和监控领域。

用于行人检测的已经标注好的数据集，只含有person一个类别，可以直接使用

由于上传资源大小限制，此资源包括GTSRB德国交通数据集测试集，非常适合初次接触深度学习交通识别领域的开发者。

基于MNIST样式的自动编码器 （AAE）模型，可在高斯分布多元变量上对MNIST图像的样式信息进行编码。 这里使用的模型是从在第4所讨论的一个（监督对抗性自动编码）略有不同。 在本文中，仅解码器具有指示数字的标签。 鉴于此，我们还为编码器提供了标签。 路线图 简单的自动编码器 可视化潜在特征空间（样式空间）的脚本。 对抗式自动编码器，可将样式空间调整为高斯分布。 一个脚本，用于从随机样式矢量生成所有数字的图像。 设置 $ python3 -m venv pyenv $ source pyenv/bin/activate $ pip3 install -r requirements.txt 用法 $ ./mnist-sae.py --help usage: mnist-sae.py [-h] [--batch-size B] [--epochs E] [--lr LR]

简单验证码训练集（10000） 适用于简单的验证码，从某登录网站爬取下来的 每个验证码四个字符

印刷字体数据集 数字0-9，总共12000张，图片规格16*16，黑底白字，可用于机器学习、深度学习。训练集样本数量10000张，测试集要本数量2000张。