第3节：深度学习常用数据集介绍
目录
1. MNIST
2. CIFAR-10 & CIFAR-100
3. ImageNet
4. COCO (Common Objects in Context)
5. PASCAL VOC
6. CelebA
7. SVHN (Street View House Numbers)
8. 其他重要数据集
数据集选择建议
公开数据集平台
1. MNIST
-
概述：手写数字数据集，包含0-9的灰度图像，是深度学习最经典的入门数据集。
-
数据规模：
-
训练集：60,000张图像
-
测试集：10,000张图像
-
-
图像格式：28×28像素，单通道（灰度），像素值0-255。
-
类别：10类（数字0-9）。
-
特点：
-
简单、易于训练，适合验证算法基础性能。
-
数据分布均匀，各类样本数量平衡。
-
-
局限性：过于简单，现代算法易达到99%+准确率，已不具挑战性。
-
衍生数据集：
-
Fashion-MNIST：替代MNIST的10类时尚物品数据集（T恤、鞋子等），难度略高。
-
EMNIST：扩展版，包含字母和数字。
-
2. CIFAR-10 & CIFAR-100
-
概述：由Alex Krizhevsky等收集的小型彩色图像数据集，广泛用于图像分类基准测试。
-
数据规模：
-
CIFAR-10：60,000张图像（50,000训练 + 10,000测试）。
-
CIFAR-100：同数量图像，但类别更细。
-
-
图像格式：32×32像素，RGB三通道。
-
类别：
-
CIFAR-10：10大类（飞机、汽车、鸟、猫等），每类6,000张。
-
CIFAR-100：100类（含更细粒度，如“鲸鱼”“蜜蜂”），每类600张。
-
-
特点：
-
低分辨率、背景复杂，比MNIST更具挑战性。
-
常用于测试轻量级模型（如ResNet、MobileNet）。
-
-
局限性：图像尺寸过小，难以迁移到真实场景。
3. ImageNet
-
概述：大规模视觉数据集，推动深度学习革命（如AlexNet在2012年突破）。
-
数据规模：
-
ImageNet-1K（常用版本）：120万训练图像，5万验证图像，1,000类。
-
完整版（ImageNet-21K）：2.1万类，1,400万图像。
-
-
图像格式：高分辨率（可变尺寸，通常缩放至224×224或256×256）。
-
类别：涵盖日常物体、动物、场景等（如“金毛犬”“咖啡杯”）。
-
特点：
-
数据多样性高，需复杂模型（如CNN、Transformer）才能取得好效果。
-
每年举办ImageNet挑战赛（ILSVRC），推动模型创新（如ResNet、EfficientNet）。
-
-
局限性：
-
需大量计算资源训练。
-
部分类别存在标注噪声或偏见。
-
4. COCO (Common Objects in Context)
-
概述：微软发布的复杂场景数据集，支持多任务（检测、分割、描述生成）。
-
数据规模：
-
训练集：118,000张图像
-
验证集：5,000张图像
-
测试集：41,000张图像
-
-
标注内容：
-
80类物体边界框和实例分割掩码。
-
每图平均7.5个实例，包含小目标和遮挡场景。
-
附加图像描述（Captioning任务）。
-
-
特点：
-
场景复杂，适合评估模型鲁棒性。
-
是目标检测（YOLO、Faster R-CNN）和分割（Mask R-CNN）的基准。
-
5. PASCAL VOC
-
概述：早期计算机视觉基准数据集，涵盖分类、检测、分割任务。
-
数据规模：
-
VOC2012（常用版本）：11,530张图像，20类。
-
-
标注内容：
-
物体边界框（检测）、像素级分割掩码。
-
-
特点：
-
数据量较小，适合快速验证算法。
-
逐渐被COCO取代，但仍用于迁移学习测试。
-
6. CelebA
-
概述：人脸属性数据集，用于人脸识别、生成等任务。
-
数据规模：
-
202,599张名人面部图像，10,177个身份。
-
-
标注内容：
-
40种二元属性（如“微笑”“戴眼镜”）、5个关键点位置。
-
-
应用：
-
人脸属性编辑（GANs如StarGAN）、检测（MTCNN）。
-
7. SVHN (Street View House Numbers)
-
概述：谷歌街景门牌号数据集，真实场景中的数字识别。
-
数据规模：
-
训练集：73,257张图像
-
测试集：26,032张图像
-
-
图像格式：32×32彩色图像，含数字0-9（可能多数字同框）。
-
特点：
-
背景复杂（如模糊、光照变化），比MNIST更接近实际应用。
-
8. 其他重要数据集
-
KITTI：自动驾驶数据集，含激光雷达、摄像头数据，用于3D检测、里程计。
-
Waymo Open Dataset：更大规模的自动驾驶数据集。
-
UCF101 & Kinetics：视频动作识别数据集（分别含101/400类动作片段）。
-
LibriSpeech：语音识别数据集，含1,000小时英语音频。
数据集选择建议
-
入门学习：MNIST → Fashion-MNIST → CIFAR-10。
-
图像分类：CIFAR-10/100 → ImageNet。
-
目标检测/分割：PASCAL VOC → COCO。
-
人脸相关：CelebA → LFW（人脸识别）。
-
实际应用：优先选择与任务场景匹配的数据集（如医疗图像用CheXpert）。
公开数据集平台
-
Kaggle：提供多种竞赛数据集（如Dogs vs Cats）。
-
Google Dataset Search：数据集搜索引擎。
-
Hugging Face Datasets：支持自然语言和视觉数据集。
这些数据集为深度学习模型的研究、开发和性能评估提供了标准化基础，选择时需权衡规模、复杂度和任务相关性。