发票图片数据集

Caltech-101 Dataset 是由 101 个类别的对象图片组成的数据集，它主要用于目标识别和图像分类。不同类别有 40 至 800 张图片，每张图片的大小在 300 * 200 像素，且数据集的发布者均已标注对应的目标以供使用。 该数据集由加州理工学院的李菲菲、马克安德烈托和 Marc’Aurelio Ranzato 于 2003 年 9 月收集，相关论文有《Learning generative visual models from few training examples: an incremental Bayesian approach tested on 101 object categories》、《One-Shot learning of object categories》。

Caltech-256 Dataset 是 Caltech-101 Dataset 的改进版，其主要有以下几点改动： a）类别数量增加一倍以上； b）任何类别中图像的最小数量从 31 增加到 80； c）避免因图像旋转造成的伪影； d）引入了一个新的更大的杂波类别来测试背景拒绝。 该数据集涵盖 256 个类别共计 20607 张图片，由加州理工学院的李菲菲、马克安德烈托和 Marc’Aurelio Ranzato 收集。

Roman Forum Dataset 是用于三维建模的图片数据集，其利用平均极线几何求解运动问题中的 结构 。 该数据集由康奈尔大学于 2014 年发布，主要发布人为 Kyle Wilson 和 Noah Snavely，相关论文有《Robust Global Translations with 1DSfM》。

Tower of London Dataset 是用于三维建模的图片数据集，其利用平均极线几何求解运动问题中的 结构 。 该数据集由康奈尔大学于 2014 年发布，主要发布人为 Kyle Wilson 和 Noah Snavely，相关论文有《Robust Global Translations with 1DSfM》。

Gendarmenmarkt Dataset 是用于三维建模的图片数据集，其利用平均极线几何求解运动问题中的 结构 。 该数据集由康奈尔大学于 2014 年发布，主要发布人为 Kyle Wilson 和 Noah Snavely，相关论文有《Robust Global Translations with 1DSfM》。

Madrid Metropolis Dataset 是用于三维建模的图片数据集，其利用平均极线几何求解运动问题中的 结构 。 该数据集由康奈尔大学于 2014 年发布，主要发布人为 Kyle Wilson 和 Noah Snavely，相关论文有《Robust Global Translations with 1DSfM》。

Oxford 102 Flowers Dataset 是一个花卉集合数据集，主要用于图像分类，它分为 102 个类别共计 102 种花，其中每个类别包含 40 到 258 张图像。 该数据集由牛津大学工程科学系于 2008 年发布，相关论文有《Automated flower classification over a large number of classes》

总共有26000多张图片，每个分类有多于1500张图片 数据集、人工智能、机器学习

200种鸟类图片数据集.7z