计算机视觉数据集 (3)

请我喝杯咖啡☕

*备忘录：

• 我的帖子解释了 MNIST、EMNIST、QMNIST、ETLCDB、Kuzushiji 和 Moving MNIST。
• 我的帖子解释了 Fashion-MNIST、Caltech 101、Caltech 256、CelebA、CIFAR-10 和 CIFAR-100。

(1) 牛津-IIIT 宠物 (2012):

• 有 7,349 张猫和狗图像，每个图像都连接到来自 37 个类别的标签： *备注：
  • 每个类大约有 200 张图像。
  • 3,680 用于训练或训练和验证，3,669 用于测试。
• 是 PyTorch 中的 OxfordIIITPet()。

（2）牛津102花（2008）：

• 有 8,189 个花卉图像（1,020 个用于训练，1,020 个用于验证，6,149 个用于测试），有 102 个类别（类）。 *每个班级有 40 至 258 张图片。
• 是 PyTorch 中的 Flowers102()。

(3) 斯坦福汽车 (2013):

• 有 16185 个汽车图像（8,144 个用于火车，8,041 个用于测试），196 个类别。
• 是 PyTorch 中的StanfordCars()。

(4) Places365(2017)：

• 地点数据库中包含 434 个场景类别（类）中的 365 个场景类别（类）的场景图像，其中有 Places365-Standard、Places365-Challenge 和Places-Extra69 如您所见： *备注：
  • Places365-Standard 拥有 2,168,460 张图像（1,803,460 张用于训练，36,500 张用于验证，328,500 张用于测试），地点数据库中有 434 个类别（类），其中包含 365 个类别（类）。 *验证集中每个类别（类）有 50 张图像，测试集中每个类别（类）有 900 张图像。
  • Places365-Challenge 有 8,391,628 个图像（8,026,628 个用于训练，36,500 个用于验证，328,500 个用于测试），为 Places365-Standard 的训练集添加了 6,223,168 个额外图像。
  • Places-Extra69 拥有 105,321 张图像（98,721 张用于训练，6,600 张用于测试），以及 Places 数据库中 434 个类别（类）中额外的 69 个类别（类）。 *目前无法下载。
• 是 PyTorch 中的 Places365()。

(5) Flickr8k(2013):

• 从 flickr 获取 8,091 张图像，每张图像都有 5 个不同的标题。
• 是 PyTorch 中的 Flickr8k()，但它没有解释如何为其设置数据集，所以我不知道如何用它加载数据集。

(6) Flickr30k(2015):

• 从 flickr 获取了 31,784 张图像，每张图像都有 5 个不同的标题。
• 是 PyTorch 中的 Flickr8k()，但它没有解释如何为其设置数据集，所以我不知道如何用它加载数据集。