MNIST是一个手写数字的数据集包含┅组60,000张图片的训练集和一个包含10,000张图片的测试集，图片一共有10类分别对应阿拉伯数字0-9。
在原始的MNIST数据集中每张图片由28*28的矩阵表示，在機器学习中我们一般将它转成784维的向量作为输入层的输入。
CIFAR-10是由Hiton的学生整理的一个用于识别普适物体的小型数据集.它一共包含10个类别的RGB彩色图片：飞机、汽车、鸟类、猫、鹿、狗、蛙类、马、船和卡车
CIFAR-10数据集图片大小为32*32；数据集中一共有50000张训练图片和10000张测试图片。
Pascal VOC challenge 是一個非常流行的数据集用于构建和评估图像分类、对象检测和分割的算法。
(为了便于展示将数据集Annotations中的方框画在了图像上)
[VOC数据集标記格式详解]
ImageNet 数据集最初由斯坦福大学李飞飞等人在 CVPR 2009 的一篇论文中推出，并被用于替代 PASCAL 数据集（后者在数据规模和多样性上都不如 ImageNet）和 LabelMe 数据集（在标准化上不如 ImageNet）
ImageNet是根据WordNet层次结构组织的图像数据集。WordNet包含大约10万个单词ImageNet平均提供了大约1000个图像来说明每个单词。
总图像是大约是150万每个都有多个边界框和相应的类标签。
如果这些内容对你有所帮助可以關注我的个人博客哦~
通过分析可知：自然界的组成由简单到复杂排列是生物体→种群→群落→生态系统→生物圈．
你对这个回答的评价是
下载百喥知道APP，抢鲜体验
使用百度知道APP立即抢鲜体验。你的手机镜头里或许有别人想知道的答案
腔肠动物、扁形动物、线形动物、环节动物、软体动物、节肢动物、鱼类、两栖类、爬行类、鸟类、哺乳类
你对这个回答的评价是
下载百度知道APP，抢鲜体验
使用百度知道APP立即抢鲜体验。你的手机镜头里或许有别人想知道的答案
