編輯丨極市平台
FruitNet水果分類/識别資料集
下載下傳連結：http://suo.nz/2Cfo4y
需要高品質的水果圖像來解決水果分類和識别問題。要建構機器學習模型，整潔幹淨的資料集是基本要求。為了這個目标，我們建立了名為“FruitNet”的六種流行印度水果的資料集。該資料集包含 6 種不同類别水果的 14700 多張經過處理的格式的高品質圖像。圖像分為 3 個子檔案夾 1) 優質水果 2) 劣質水果和 3) 混合品質水果。每個子檔案夾包含 6 個水果圖像，即蘋果、香蕉、芭樂、酸橙、橙子和石榴。使用具有高端分辨率相機的手機來捕捉圖像。這些圖像是在不同的背景和不同的光照條件下拍攝的。建議的資料集可用于訓練，水果分類或重組模型的測試和驗證。
衛星圖像分類
下載下傳連結：http://suo.nz/2D00yp
衛星圖像分類資料集-RSI-CB256，該資料集有 4 個不同的類别，混合了傳感器和谷歌地圖快照
intel 自然風光圖像分類資料集
下載下傳連結：http://suo.nz/2KwdmY
這是世界各地自然風光的圖像資料。
内容：此資料包含分布在 6 個類别下的大約 25,000 張大小為 150x150 的圖像。{'建築物'-> 0， '森林'-> 1， '冰川'-> 2， '山'-> 3， '海'-> 4， '街道'-> 5}
建築遺産元素圖像資料集
下載下傳連結：http://suo.nz/2RmsZl
Architectural Heritage Elements Dataset (AHE) 是一個圖像資料集，用于開發深度學習算法和建築遺産圖像分類中的特定技術。該資料集包含 10235 張圖像，分為 10 個類别：祭壇：829 張圖像；後殿：514 張圖檔；鐘樓：1059張圖檔；欄目：1919張圖檔；圓頂（内部）：616 張圖像；圓頂（外部）：1177 張圖像；飛扶壁：407張圖檔；Gargoyle（和 Chimera）：1571 張圖像；彩色玻璃：1033 幅圖像；保險庫：1110 張圖像。
貝殼或鵝卵石：圖像分類資料集
下載下傳連結：http://suo.nz/2YSG42
資料集包含兩個類：貝殼或卵石。該資料集可用于二進制分類任務，以确定某個圖像是貝殼還是鵝卵石。
DeepWeeds 雜草類型分類資料集
下載下傳連結：http://suo.nz/2OmaTQ
資料集包含 17,509 張圖像，這些圖像捕捉了八種原産于澳洲的不同雜草以及鄰近的植物群。標明的雜草品種是昆士蘭州牧草地的本地品種。它們包括：“中國蘋果”、“蛇草”、“馬纓丹”、“刺金合歡”、“暹羅草”、“白花菊”、“橡膠藤”和“帕金森屬植物”。這些圖像是從昆士蘭以下地點的雜草侵擾中收集的：“Black River”、“Charters Towers”、“Cluden”、“Douglas”、“Hervey Range”、“Kelso”、“McKinlay”和“Paluma”。
仙人掌航拍圖檔資料集
下載下傳連結：http://suo.nz/2VSnYx
在此資料集中，展示了 16,000 多個用于植物識别或分類的柱狀仙人掌 (Neobuxbaumia tetetzo) 示例。
農作物圖像分類（小麥、睡到、甘蔗、玉米等）
下載下傳連結：http://suo.nz/33oB1C
資料集（作物圖像）包含每種農業作物（玉米、小麥、黃麻、水稻和甘蔗）的 40 多張圖像 資料集（kag2）包含每類作物圖像的 159 多張增強圖像。增強包括水準翻轉、旋轉、水準平移、垂直平移。
5種不同的水稻圖像資料集
下載下傳連結：http://suo.nz/349aVN
使用了 Arborio、Basmati、Ipsala、Jasmine 和 Karacadag 水稻品種。• 資料集(1) 有75K 幅圖像，包括每個水稻品種的15K 幅圖像。資料集（2）有 12 個形态特征、4 個形狀特征和 90 個顔色特征。
闆球-足球-棒球分類
資料集下載下傳連結：http://suo.nz/33juP6
該資料集包含 252 張打闆球、踢足球和打棒球的圖像。主檔案夾中有 3 個子檔案夾 (1) cricket (2) football (3) baseball (cricket-football-baseball)。
垃圾分類資料集
資料集下載下傳連結：http://suo.nz/3gb5Jj
該資料集包含來自 12 個不同類别的生活垃圾的 15,150 張圖像；紙、紙闆、生物、金屬、塑膠、綠色玻璃、棕色玻璃、白色玻璃、衣服、鞋子、電池和垃圾。
花卉資料集
資料集下載下傳位址：http://suo.nz/2fGKVt
該資料集包含 4242 張花卉圖像。資料收集基于資料flicr、google images、yandex images。此資料集可用于從照片中識别植物。資料圖檔會分為五類：洋甘菊、郁金香、玫瑰、向日葵、蒲公英。每個種類大約有800張照片。照片分辨率不高，約為 320x240 像素。照片不會縮小到單一尺寸，它們有不同的比例。
90種動物圖像資料集
資料集下載下傳位址：http://suo.nz/2ncY0a
在這個資料集中有 90 個不同類别的 5400 張動物圖像。此資料集是從 Google 圖檔建立的：https://images.google.com/。所有照片将按照其所屬類别存放于各自的檔案夾下。動物類别包括：羚羊，獾，蝙蝠，熊，蜜蜂，甲蟲，野牛，公豬，蝴蝶，貓 毛蟲，黑猩猩等。該資料集中的圖像大小不固定，可能需要後續的處理。
衣服資料集
資料集下載下傳位址：http://suo.nz/2uJaOJ
衣服資料集總共收集了 20 種衣服的 5,000 張圖像。該資料集是根據公共領域許可 (CC0) 釋出的。我們使用了三種不同的方式來收集資料集：Toloka——衆包平台；社交媒體上的網絡衆包計劃；Tagias——一家專門從事資料收集的公司。标簽是使用 IPython 小部件手動完成的，同時我們使用簡單的神經網絡糾正了标簽錯誤。
資料集包含 20 個類，包括T 恤（1011 件），長袖（699 件），褲子（692 件），鞋子（431 件）襯衫（378 件），連衣裙（357 件），外套（312 件），短褲（308 件），帽子（171 件），裙子（155 件），西裝外套（109 件）等。
商标資料集
資料集下載下傳位址：http://suo.nz/2CfnTq
在這項工作中，我們建構了一個大規模的 logo 資料集 Logo-2K+，它涵蓋了來自真實世界 logo 圖像的各種 logo 類别。我們生成的徽标資料集包含 167,140 張圖像，具有 10 個根類别和 2,341 個類别。
食物圖像資料集
資料集下載下傳位址：http://suo.nz/2D00oT
該資料集包含完整 food-101 資料的許多不同子集。為了給圖像分析制作一個比 CIFAR10 或 MNIST 更簡單的訓練集，該資料包括圖像的大規模縮小版本，以實作快速測試。資料已被重新格式化為 HDF5，特别是 Keras HDF5Matrix，這樣可以輕松讀取它們。檔案名表示檔案的内容。例如
foodc101n1000_r384x384x3.h5 表示有 101 個類别，n=1000 圖像，分辨率為 384x384x3（RGB，uint8） foodtestc101n1000r32x32x1.h5 表示資料是驗證集的一部分，代表 101 個類别，n=1000 圖像，分辨率為 32x32x1（float32 從 -1 到 1）
使用該資料集的第一個目标是對未知圖像進行分類，但除此之外，還可以檢視哪些區域/圖像元件對進行分類很重要，将新類型的食物識别為現有标簽的組合，建構對象檢測器，可以在整個場景中找到相似的對象。
更多資料集分類資源下載下傳：https://www.cvmart.net/dataSets