【人工智能】1024 程序员节最想要的大礼包！

先和广大程序员们说声节日快乐！这篇文章特地写个人工智能方向的科研人员，下面的内容一定不要错过！CV调包侠来送礼了！

下述所有数据可在下方二维码公众号回复：数据大礼包获得！！！

Fashion-MNIST图像数据集（200.4MB）

每个训练和测试样本都按照以下类别进行了标注：

标注编号	描述
0	T-shirt/top（T恤）
1	Trouser（裤子）
2	Pullover（套衫）
3	Dress（裙子）
4	Coat（外套）
5	Sandal（凉鞋）
6	Shirt（汗衫）
7	Sneaker（运动鞋）
8	Bag（包）
9	Ankle boot（踝靴）

CIFAR100数据集（161.3MB）

车辆数据集（车辆识别与分类）（62.5MB）

垃圾分类数据集

该数据集是图片数据，分为训练集85%（Train）和测试集15%（Test）。其中O代表Organic（有机垃圾），R代表Recycle（可回收）。

另一个垃圾分类数据集（40.9MB）

CIFAR10数据集（148MB）

GTSRB-德国交通标志识别图像数据（253.3MB）

手势识别数据库（1.1GB）

提出了手势识别数据库，该数据库由Leap Motion传感器获取的一组近红外图像组成。

数据说明

该数据库由10个不同的手势（如上所示）组成，这些手势由10个不同的对象（5位男性和5位女性）执行。

情绪的面部表情（170MB+）

它是一个包含9名BPD（边缘型人格障碍）患者的数据库。
并非所有患者都接受了12次治疗采访。
所有患者都是女性。
治疗干预的持续时间因访谈而异。

数据说明

我们根据Paul Ekman和David Matsumoto的理论分析了7种情绪（Happy,Sad,Angry,Surprised,Scared,Disgusted,Contempt）的面部表情。
从每位患者的每次治疗访谈的视频记录中分析这些表达，每0.04秒分析一次，即每秒进行25次测量。
并非所有患者都能覆盖所有12个访谈，但会议的年表按照对治疗的帮助顺序出现。
因此，我们希望看到的是这些患者的适应力或情绪调节。
中性对Contemp的情绪在0到1的强度中被评估。
情绪效价从0到1被评估为正面情绪，0到-1是负面情绪。唤醒评估从0到1。

枪支目标检测（2.4MB）

一共有333张图像，对于每张图像，都标注了其中枪支的所在位置。图像不是单一尺寸的，它们有不同的长宽大小。值得注意的是，一张图像里面可能有不止一把枪支！

数据来源

数据收集基于来自flickr，google图像和yandex图像的抓取数据。

人脸图像数据（294.1MB）

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4k5GGey7-1603543383804)(https://cdn.kesci.com/upload/image/pzgl9tukkd.png)]

RMFD口罩遮挡人脸数据集（610.3MB）

中国交警手势数据集（1.8GB）

数据已划分为训练集和测试集，每个文件夹包含多个视频和csv文件；
视频里展示了中国交警的各种手势动作，同一序号名称的csv文件则对应了每帧视频交警的动作标签

场景分类数据集（105.9MB）

87种宝石图片数据（50.9MB）

验证码数据集（13.5MB）

硬币图像数据集（326.7MB）

LabelMe图像语义分割数据集（102.6MB）

数据集包含945张图片，图片已经注释了天空，建筑物，道路，人行道，植被，窗户，门和汽车等的标签信息，用于语义图像分割任务。

车牌识别数据集（62.8MB）

Biwi头姿势数据库（449.7MB）

数据集包含945张图片，图片已经注释了天空，建筑物，道路，人行道，植被，窗户，门和汽车等的标签信息，用于语义图像分割任务。

动物

Butterfly-200细粒度图像分类数据集（828MB）

数据集包含25,279张蝴蝶