places2 数据集 : Data of Places365-Standard 256x256 数据分享、场景识别数据集

简介: 有效整理、附官网链接
❤️ 【专栏:数据集整理】❤️ 之【有效拒绝假数据】

👋 Follow me 👋,一起 Get 更多有趣 AI、冲冲冲 🚀 🚀

📔 认识 Places2 dataset

Places2 dataset 总共包含超过1000万张图片,其中包含400多个独特的场景类别。 该数据集每个分类具有5000至30,000个训练图像, 与现实世界中的场景频次一致。

Places2 dataset 主要包含如下 3 个 数据集:

  • Places365-Standard is the core set of Places2 Database,Places365-Standard 中有来自365个场景类别的180万张训练图像,用于训练Places365 CNN。 验证集中每个类别有50张图像,而测试集中每个类别有900张图像。
  • Places365-Challenge 2016 is Places Challenge 2016 competition set (竞赛数据集) ,总共为Places365 Challenge 2016提供了800万张训练图像(包含Places365-Standard 的训练数据),验证集和测试集与Places365-Standard相同。
  • Places-Extra69 :Besides the 365 scene categories released in Places365 above, here we release the image data for the extra 69 scene categories (totally there are 434 scene categories included in the Places Database) as Places-Extra69

我们通常使用 Places365-Standard 来进行 图像修复 和 场景识别 实验即可;

📕 Data of Places365-Standard 数据介绍

There are 1.8 million train images from 365 scene categories in the Places365-Standard, which are used to train the Places365 CNNs. There are 50 images per category in the validation set and 900 images per category in the testing set.

  • 用途: 场景识别 | 图像修复 | 超分重建
  • 下载界面:

5-5

10

📗 该数据集官网如下

99

📙 Data of Places365-Standard 256x256 快速获取途径如下

搜索关注本博客同名公号,公号后台,回复【20210204】获取本博文中的 Places365-Standard 256x256 Train + test_256 + val_256 云盘下载链接:
20210204

💬 添加一个声明

数据资源是公共的,甚至开源的,但是分享方式是属于每个人自己的;

大家都会有从小白开始成长的那个时刻,很多地方会有不足,请相信我们也都会慢慢进步的吧;

📙 博主 AI 领域八大干货专栏、诚不我欺

📙 预祝各位 2022 前途似锦、可摘星辰

🎉 作为全网 AI 领域 干货最多的博主之一,❤️ 不负光阴不负卿 ❤️
❤️ 过去的一年、大家都经历了太多太多、祝你披荆斩棘、未来可期

9-9

目录
相关文章
|
算法 数据库 计算机视觉
Dataset之COCO数据集:COCO数据集的简介、下载、使用方法之详细攻略
Dataset之COCO数据集:COCO数据集的简介、下载、使用方法之详细攻略
|
7月前
|
Ubuntu 应用服务中间件 Linux
使用阿里云服务器部署网站,保姆级教程(nginx部署及宝塔部署)
本文详解如何在阿里云轻量服务器上部署网站,涵盖两种主流方案:一是手动配置Nginx(含安装、启停、修改配置及静态文件部署);二是使用图形化宝塔面板(一键安装、建站、上传文件与路径配置)。配套Xshell远程连接和Xftp文件管理,适合新手与进阶用户。
使用阿里云服务器部署网站,保姆级教程(nginx部署及宝塔部署)
|
7月前
|
监控 自动驾驶 算法
行人与骑行者目标检测数据集(5000张高质量标注)|YOLO训练数据集
本数据集含5000张真实道路场景图像,精准标注“行人”“骑行者”两类目标,采用YOLO标准格式(归一化bbox),覆盖多光照、多视角、多尺度及遮挡场景,适配YOLOv5/v8等主流模型,助力智能交通、自动驾驶与安全监控算法研发与落地。
行人与骑行者目标检测数据集(5000张高质量标注)|YOLO训练数据集
|
机器学习/深度学习 人工智能 计算机视觉
让AI真正"看懂"世界:多模态表征空间构建秘籍
本文深入解析多模态学习的两大核心难题:多模态对齐与多模态融合,探讨如何让AI理解并关联图像、文字、声音等异构数据,实现类似人类的综合认知能力。
4537 6
|
8月前
|
机器学习/深度学习 人工智能 监控
无人机战场侦察 6 类军事目标检测数据集(10,000张图片已划分、已标注)| AI训练适用于目标检测任务
本数据集含9978张无人机航拍图,涵盖山地、丛林、城市废墟等6类复杂战场场景,已精细标注BRT(战场侦察队)等6类军事目标(YOLO格式),划分训练/验证/测试集(6994:1984:1000),专为小目标检测、多尺度识别与战场态势感知算法训练优化。
1769 12
|
9月前
|
机器学习/深度学习 人工智能 自动驾驶
7种交通场景数据集(千张图片已划分、已标注)|适用于YOLO系列深度学习分类检测任务【数据集分享】
在智能交通与自动驾驶技术快速发展的今天,如何高效、准确地感知道路环境已经成为研究与应用的核心问题。车辆、行人和交通信号灯作为城市交通系统的关键元素,对道路安全与交通效率具有直接影响。然而,真实道路场景往往伴随 复杂光照、遮挡、多目标混杂以及交通信号状态多样化 等挑战,使得视觉识别与检测任务难度显著增加。
|
机器学习/深度学习 编解码 人工智能
人脸表情[七种表情]数据集(15500张图片已划分、已标注)|适用于YOLO系列深度学习分类检测任务【数据集分享】
本数据集包含15,500张已划分、已标注的人脸表情图像,覆盖惊讶、恐惧、厌恶、高兴、悲伤、愤怒和中性七类表情,适用于YOLO系列等深度学习模型的分类与检测任务。数据集结构清晰,分为训练集与测试集,支持多种标注格式转换,适用于人机交互、心理健康、驾驶监测等多个领域。
|
算法 PyTorch 算法框架/工具
论文解读:LaMa:Resolution-robust Large Mask Inpainting with Fourier Convolutions
论文解读:LaMa:Resolution-robust Large Mask Inpainting with Fourier Convolutions
2642 0
|
机器学习/深度学习 并行计算 PyTorch
英伟达新一代GPU架构(50系列显卡)PyTorch兼容性解决方案
本文记录了在RTX 5070 Ti上运行PyTorch时遇到的CUDA兼容性问题,分析其根源为预编译二进制文件不支持sm_120架构,并提出解决方案:使用PyTorch Nightly版本、更新CUDA工具包至12.8。通过清理环境并安装支持新架构的组件,成功解决兼容性问题。文章总结了深度学习环境中硬件与框架兼容性的关键策略,强调Nightly构建版本和环境一致性的重要性,为开发者提供参考。
10338 64
英伟达新一代GPU架构(50系列显卡)PyTorch兼容性解决方案
|
小程序 JavaScript 前端开发
微信小程序开发全流程:从注册到上线的完整指南
这篇文章详细记录了微信小程序的完整开发到最终上线的每一个步骤。适合对小程序开发感兴趣的个人开发者或希望了解完整流程的学习者,涵盖了云开发、事件绑定、生命周期管理、组件使用等关键内容。
25758 14

热门文章

最新文章