一、BreakHis (Breast Cancer Histopathological Database)

乳腺癌組織病理學(xué)圖像分類(lèi) (BreakHis) 由使用不同放大倍數(shù)（40 倍、100 倍、200 倍和 400 倍）從 82 名患者收集的 9,109 張乳腺腫瘤組織顯微圖像組成。 它包含 2,480 個(gè)良性樣本和 5,429 個(gè)惡性樣本（700X460 像素，3 通道 RGB，每個(gè)通道 8 位深度，PNG 格式）。 該數(shù)據(jù)庫(kù)是與巴西巴拉那州 P&D 病理解剖學(xué)和細(xì)胞病理學(xué)實(shí)驗(yàn)室合作建立的。

二、Chaoyang

Chaoyang數(shù)據(jù)集包含1111個(gè)正常樣本、842個(gè)鋸齒狀樣本、1404個(gè)腺癌樣本、664個(gè)腺瘤樣本，以及705個(gè)正常樣本、321個(gè)鋸齒狀樣本、840個(gè)腺癌樣本、273個(gè)腺瘤樣本分別用于訓(xùn)練和測(cè)試。 這個(gè)嘈雜的數(shù)據(jù)集是在真實(shí)場(chǎng)景中構(gòu)建的。

詳情：來(lái)自朝陽(yáng)醫(yī)院的結(jié)腸切片，補(bǔ)片尺寸為512×512。我們邀請(qǐng)了3位專(zhuān)業(yè)病理學(xué)家分別對(duì)補(bǔ)片進(jìn)行標(biāo)記。 我們將3位病理學(xué)家一致結(jié)果的標(biāo)記補(bǔ)丁部分作為測(cè)試集。 其他我們用作訓(xùn)練集。 對(duì)于訓(xùn)練集中三位醫(yī)生標(biāo)注意見(jiàn)不一致的樣本（這部分約占40%），我們隨機(jī)選取三位醫(yī)生其中一位的意見(jiàn)。

原始 WSI 以 20 倍物鏡放大倍數(shù)進(jìn)行掃描。

三、Colored-MNIST(with spurious correlation)

這是一個(gè)具有虛假相關(guān)性的數(shù)據(jù)集，可用于評(píng)估分布外泛化、因果推理和相關(guān)領(lǐng)域的機(jī)器學(xué)習(xí)方法。

四、F-CelebA (10 tasks) (Federated-CelebA (10 tasks))

F-CelebA - 該數(shù)據(jù)集改編自聯(lián)邦學(xué)習(xí)。 聯(lián)邦學(xué)習(xí)是一種新興的機(jī)器學(xué)習(xí)范式，強(qiáng)調(diào)數(shù)據(jù)隱私。 這個(gè)想法是通過(guò)模型聚合而不是傳統(tǒng)的數(shù)據(jù)聚合進(jìn)行訓(xùn)練，并將本地?cái)?shù)據(jù)保留在本地設(shè)備上。 該數(shù)據(jù)集自然由類(lèi)似的任務(wù)組成，這 10 個(gè)任務(wù)中的每一個(gè)都包含名人的圖像，并根據(jù)他/她是否微笑進(jìn)行標(biāo)記。 更詳細(xì)請(qǐng)查看頁(yè)面https://github.com/ZixuanKe/CAT

五、Grocery Store

雜貨店是雜貨自然圖像的數(shù)據(jù)集。 所有自然圖像都是用智能手機(jī)相機(jī)在不同的雜貨店拍攝的。 它包含來(lái)自 81 種不同類(lèi)別的水果、蔬菜和紙盒物品（例如果汁、牛奶、酸奶）的 5,125 張自然圖像。 這 81 個(gè)類(lèi)別分為 42 個(gè)粗粒度類(lèi)別，例如 細(xì)粒度類(lèi)“Royal Gala”和“Granny Smith”屬于同一個(gè)粗粒度類(lèi)“Apple”。 此外，每個(gè)細(xì)粒度類(lèi)別都有關(guān)聯(lián)的標(biāo)志性圖像和該項(xiàng)目的產(chǎn)品描述。

六、Kannada-MNIST

Kannada-MNIST 數(shù)據(jù)集是卡納達(dá)語(yǔ)言標(biāo)準(zhǔn) MNIST 數(shù)據(jù)集的直接替代品。

七、MLRSNet

MLRSNet 是一個(gè)用于語(yǔ)義場(chǎng)景理解的多標(biāo)簽高空間分辨率遙感數(shù)據(jù)集。 它提供了從衛(wèi)星捕捉到的世界的不同視角。 即，它由高空間分辨率的光學(xué)衛(wèi)星圖像組成。 MLRSNet包含109,161張遙感圖像，標(biāo)注為46個(gè)類(lèi)別，每個(gè)類(lèi)別的樣本圖像數(shù)量從1,500到3,000不等。 圖像的固定尺寸為 256×256 像素，具有各種像素分辨率（~10m 到 0.1m）。 此外，數(shù)據(jù)集中的每個(gè)圖像都標(biāo)有 60 個(gè)預(yù)定義類(lèi)標(biāo)簽中的幾個(gè)，與每個(gè)圖像關(guān)聯(lián)的標(biāo)簽數(shù)量從 1 到 13 不等。該數(shù)據(jù)集可用于基于多標(biāo)簽的圖像分類(lèi)、基于多標(biāo)簽的圖像 檢索和圖像分割。

八、PS-Battles

PS-Battles 數(shù)據(jù)集來(lái)自大量圖像處理愛(ài)好者社區(qū)，為視覺(jué)領(lǐng)域的媒體推導(dǎo)和處理檢測(cè)提供了基礎(chǔ)。 該數(shù)據(jù)集由 102’028 個(gè)圖像組成，分為 11’142 個(gè)子集，每個(gè)子集包含原始圖像以及不同數(shù)量的操縱導(dǎo)數(shù)。

九、PlantDoc

PlantDoc 是用于視覺(jué)植物病害檢測(cè)的數(shù)據(jù)集。 該數(shù)據(jù)集包含 13 種植物和多達(dá) 17 類(lèi)疾病的 2,598 個(gè)數(shù)據(jù)點(diǎn)，涉及約 300 個(gè)小時(shí)的工作時(shí)間來(lái)注釋互聯(lián)網(wǎng)抓取的圖像。

十、iCartoonFace

iCartoonFace 數(shù)據(jù)集是一個(gè)大規(guī)模數(shù)據(jù)集，可用于兩個(gè)不同的任務(wù)：卡通人臉檢測(cè)和卡通人臉識(shí)別。

十一、AIDER

數(shù)據(jù)集旨在對(duì)無(wú)人機(jī)上的災(zāi)難事件進(jìn)行自動(dòng)空中場(chǎng)景分類(lèi)。

十二、Bamboo

Bamboo 數(shù)據(jù)集是一個(gè)超大規(guī)模、信息密集的數(shù)據(jù)集，用于分類(lèi)和檢測(cè)預(yù)訓(xùn)練。 它建立在集成 24 個(gè)公共數(shù)據(jù)集（例如 ImagenNet、Places365、Object365、OpenImages）的基礎(chǔ)上，并通過(guò)主動(dòng)學(xué)習(xí)添加了新的注釋。 Bamboo 擁有 69M 個(gè)圖像分類(lèi)注釋和 32M 個(gè)對(duì)象邊界框。

十三、Food2K

Food2K 是一個(gè)大型食品識(shí)別數(shù)據(jù)集，包含 2,000 個(gè)類(lèi)別和超過(guò) 100 萬(wàn)張圖像。 與現(xiàn)有的食物識(shí)別數(shù)據(jù)集相比，F(xiàn)ood2K 在類(lèi)別和圖像方面都繞過(guò)了它們一個(gè)數(shù)量級(jí)，從而為開(kāi)發(fā)食物視覺(jué)表示學(xué)習(xí)的高級(jí)模型建立了一個(gè)新的具有挑戰(zhàn)性的基準(zhǔn)。 可以進(jìn)一步探索 Food2K，以使更多與食品相關(guān)的任務(wù)受益，包括新興的和更復(fù)雜的任務(wù)（例如，對(duì)食物的營(yíng)養(yǎng)理解），并且 Food2K 上經(jīng)過(guò)訓(xùn)練的模型有望成為提高更多與食品相關(guān)的任務(wù)性能的支柱。

文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-785761.html

到了這里，關(guān)于【計(jì)算機(jī)視覺(jué) | 圖像分類(lèi)】圖像分類(lèi)常用數(shù)據(jù)集及其介紹（九）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！