CIFAR-10 數據集

簡介：
CIFAR-10 是一個經典的圖像分類數據集，廣泛用于機器學習領域的計算機視覺算法基準測試。它包含60000幅32x32的彩色圖像，分為10個類，每類6000幅圖像。這個數據集從“8000萬張小圖”數據集中精煉剝離出來，由 Geoffrey Hinton 的學生 Alex Krizhevsky 和 Ilya Sutskever 整理。

特點：

• 圖像尺寸較小，但類別豐富，且每個類別的樣本數量均衡。
• 包含50000張訓練圖像和10000張測試圖像。
• 被劃分為5個訓練batch和1個測試batch。

應用：

• CIFAR-10 適用于評估卷積神經網絡等深度學習模型的性能。
• 適用于遷移學習和數據增強技術的研究。

來源：

• 由圖靈獎得主 Geoffrey Hinton 團隊整理。
  
  
  

CIFAR-100 數據集

簡介：
CIFAR-100 是 CIFAR-10 的擴展版本，包含更多的類別，為復雜的機器學習和計算機視覺任務提供了一個具有挑戰性的理想數據集。

特點：

• 包含100個類別，分為20個粗分類，每個類別包含600張圖像。
• 圖像尺寸為32x32像素。
• 包含50000張訓練圖像和10000張測試圖像。

應用：

• CIFAR-100 用于評估模型在更細粒度分類任務上的性能。
• 適用于物體識別和分類任務。

來源：

• 由圖靈獎得主 Geoffrey Hinton 團隊整理。
  
  
  

AFHQ 數據集

簡介：
AFHQ（Animal Faces-HQ）是一個動物面孔數據集，由15000張512×512分辨率的高質量圖像組成。該數據集包括貓、狗和野生動物三個領域，每個領域提供5000張圖像。

特點：

• 圖像分辨率高，為512×512像素。
• 包含15000張高質量圖像。

應用：

• AFHQ 適用于高分辨率圖像處理任務，如圖像生成、面部識別和超分辨率。
• 高質量的圖像使其成為評估模型在復雜場景下性能的理想選擇。

來源：

• 源自 CVPR 2020。
  
  
  

FFHQ 數據集

簡介：
FFHQ（Flickr-Faces-HQ）數據集包含高分辨率的人臉圖像。它包含不同年齡、性別、種族的70,000張1024×1024像素的高質量圖像。

特點：

• 圖像分辨率高，為1024×1024像素。
• 包含70000張高質量圖像。

應用：

• FFHQ 適用于面部識別、圖像生成等任務，特別是需要高分辨率和細節的場景。
• 高質量的圖像使其成為評估模型在復雜人臉變化下性能的理想選擇。

來源：

• 源自 CVPR 2019。