UCF101数据集，完整版，网盘分享。

Adobe composition-1k数据集只包含alpha和fg（以及测试集中的trimap）。 文件内容包括如下： ├── adobe_composition-1k │ ├── Test_set │ │ ├── Adobe-licensed images │ │ │ ├── alpha │ │ │ ├── fg │ │ │ ├── trimaps │ ├── Training_set │ │ ├── Adobe-licensed images │ │ │ ├── alpha │ │ │ ├── fg │ │ ├── Other │ │ │ ├── alpha │ │ │ ├── fg 总的来说，数据集文件收集不易，但是完整的，总共体积大小为410MB左右，如果要合成图像的话还需要经过后续转换步骤，涉及COCO训练数据和VOC测试数据。

红绿灯检测数据集，该数据集基于CCF BDCI，用于红绿灯检测，该数据集包含2600个人工标记的红绿灯类别和颜色标签。红绿灯类别包括9类 红绿灯检测数据集，该数据集基于CCF BDCI，用于红绿灯检测，该数据集包含2600个人工标记的红绿灯类别和颜色标签。红绿灯类别包括9类

深度学习常用数据集，共有7万张图片。其中6万张用于训练神经网络，1万张用于测试神经网络。 每张图片是一个28*28像素点的0~9的手写数字图片。 黑底白字。黑底用0表示，白字用0~1之间的浮点数表示，越接近1，颜色越百。

深度学习中，对不同类的数据集图片进行分类，使得训练集、测试集、验证集中含有的图片类别不冲突。例如我手头有一个医学图像处理的数据集，我要检测图片中的病变类别，分清他是肿瘤、创伤还是其它问题，因为每一类图片都对应着多个病人，但在实际训练过程中，同一个病人的病变图片差不多，如果分属于训练集、验证集、测试集，那么检测精度一定会有是会有所下降，所以需要先进行一次分类。这个程序就是起到这样一个作用。classify.py #读取图片前六位 def sixTop(fileList): sixTopName = list() for name in fileList: sixTopName.append(name[0:6]) return sixTopName #判断前六位数字是否重复，输出次数 def imgRepeat(L): repeatList = [] setList = set(L) flag=True if len(L) != len(setList): flag=False

超全的 3D 视觉数据集汇总.pdf 21个深度学习开源数据集分类汇总.pdf 行人检测.docx 15个目标检测开源数据集汇总.pdf 10个工业检测数据集.docx

中文乐谱数据集内含几百首乐谱格式为xml可以作为歌声合成的数据集.zip

螺钉异常检测图片数据集，这个数据集中有三个文件train、test和gound_truth。训练集有320 (1024x1024)张没有异常的螺钉图片，测试文件有良好，操纵前，刮刮头，刮刮颈，线程边，线程顶，总共160张图片与匹配的groundtruth。

绿幕背景下人体交通指挥形态数据集，每类有30张图片左右 绿幕背景下人体交通指挥形态数据集，每类有30张图片左右 绿幕背景下人体交通指挥形态数据集，每类有30张图片左右

马铃薯叶片数据集，使用标签工具注释土豆叶子。注释分为两类，共52张马铃薯叶子生镜照片 马铃薯叶片数据集，使用标签工具注释土豆叶子。注释分为两类，共52张马铃薯叶子生镜照片 马铃薯叶片数据集，使用标签工具注释土豆叶子。注释分为两类，共52张马铃薯叶子生镜照片