answer文件夹为测试语料，共9833篇文档；train文件夹为训练语料，共9804篇文档，分为20个类别。训练语料和测试语料基本按照1:1的比例来划分。收集工作花费了不少人力和物力，所以请大家在使用时尽量注明来源（复旦大学计算机信息与技术系国际数据库中心自然语言处理小组）。文件较大（训练测试集压缩包各50多兆）

coco训练集trainvalno5k.part（2014），coco训练集train图片相对路径，如果找不到图片路径，将相对路径改为绝对路径

训练集train.py

输入原始图片所在文件夹，原始图片标签，输出增强后的图片文件夹名及输出标签名，运行即可。

资源中包括数字和字母，都是二值化以后的，还有汉字，省份汉字都是还没有经过处理，都是从最初车牌中扣下来，还有网上一些文本中扣出来的，自己可以处理，用于灰度识别，或者二值识别

车牌识别算法的训练数据集，每个字符大约有500~800张不等，每张字符图片的像素大约是28*28，用dropout等正则化避免过拟合的话，训练集是足够的。

深圳电信培训中心的徐海蛟博士教学用的真正的Corel-5K图像数据集。5000张图片，标注词，训练数据，测试数据。特征提取说明。吐血奉献！ 这是真正的Corel-5K图像集，共包含科雷尔（Corel）公司收集整理的5000幅图片，故名：Corel-5K，童鞋们可用于科学图像实验：分类、检索等。Corel-5k数据集是图像实验的事实标准数据集。 Corel图像库是科雷尔（Corel）公司收集整理的较为丰富的图像库涵盖多个主题。Corel图像库由若干个CD组成，每个CD包含100张大小相等的图像，可以转换成多种格式。每张CD代表一个语义主题，例如有公共汽车、恐龙、海滩等。 Corel-5k自从被提出用于图像标注实验后，已经成为图像实验的标准数据集，被广泛应用于标注算法性能的比较。Corel5k由50张CD组成，包含50个语义主题。 Corel-5k图像库通常被分成三个部分： 4000张图像作为训练集，500张图像作为验证集用来估计模型参数，其余500张作为测试集评价算法性能。使用验证集寻找到最优模型参数后4000张训练集和500张验证集混合起来组成新的训练集。 该图像库中的每张图片被标注1~5个标注词，训练集中总共有374个标注词，在测试集中总共使用了263个标注词。 童鞋们自己去提取相关低层视觉特征：Rgb Lab Hsv Sift Gist HOG等等。 童鞋们完成 svm knn adaboost 逻辑回归 随机森林 mimlsvm mimlknn mimlboost 自定义算法 等等多类与多标签实验吧。Go, ...

一个6w用户的一个小样本的

Python:【机器学习】使用sklearn库中的svm实现手写数字识别，并输出错误图片中用到的图片资源

使用者可根据自己的需要选择不同的方式进行训练，车牌正负样本的数据集，该数据集仅包含车牌存在与不存在两种类别。