minst数据集哦,包括mnist-test-leveldb和mnist-train-leveldb，深度学习训练模型可用哦。

Transferring Deep Convolutional Neural Networks for the Scene Classification of High-Resolution Remo 所用数据源 WHU-RS Dataset. 从Google Earth（Google Inc.）收集的WHU-RS数据集[6]是一个新的公开可用的数据集，其包含大小为600×600像素的950幅图像，均匀分布在19个场景类中。一些示例图像如图5所示。我们可以看到，一些类别中的照明，尺度，分辨率和viewpoint-dependent外观的变化使得它比UCM数据集更复杂。

就看不惯要5分的人，辛辛苦苦攒的分根本不够用，呜呜呜，我好不容易搜集的哦，我只要2分，不满意的话。。。。。。。我也没办法了

做深度学习目标检测方面的同学怎么都会接触到PASCAL VOC这个数据集。也许很少用到整个数据集，但是一般都会按照它的格式准备自己的数据集。所以这里提供PASCAL VOC的格式，包括目录构成以及各个文件夹的内容格式，方便以后自己按照VOC的标准格式制作自己的数据集。

这是一个代码，用于将精细标注的语义分割（多边形标注的json文件）标注转为目标检测框标注文件，并生成yolo需要的txt文件（需要的输出格式你们可以自己改）

包含以下几种表情: 0 anger 生气 1 disgust 厌恶 2 fear 恐惧 3 happy 开心 4 sad 伤心 5 surprised 惊讶 6 normal 中性 里面有原.csv文件还有处理好的.npy文件，其中名称带data的为图片的ndarray数据，带labels的为其对应的标签。 使用时只需要用 np.load("train_data.npy")语句读取即可

delsys设备采集的表面肌电信号，16个手势动作，每个动作维持6s，休息4s，进行6次循环。类别标签通过最大面积法修正，效果较好。

里面有七百多照苹果的数据集，以及对应的标签xml文件，可以用于目标检测练习。深度学习初学者希望能够给大家提供帮助（用来研究数据集可能不太好）

Transferring Deep Convolutional Neural Networks for the Scene Classification of High-Resolution Remo 所用数据源 WHU-RS Dataset. 从Google Earth（Google Inc.）收集的WHU-RS数据集[6]是一个新的公开可用的数据集，其包含大小为600×600像素的950幅图像，均匀分布在19个场景类中。

ILSVRC2012_bbox_val_v3.tgz，边界框验证集，ImageNet数据集国外对中国用户屏蔽了识别码下载不了。