在这个数据集中有 90 个不同类别的 5400 张动物图像。此数据集是从 Google 图片创建的：https://images.google.com/。所有照片将按照其所属类别存放于各自的文件夹下。动物类别包括：羚羊，獾，蝙蝠，熊，蜜蜂，甲虫，野牛，公猪，蝴蝶，猫毛虫，黑猩猩等。该数据集中的图像大小不固定，可能需要后续的处理。

该数据集是来自伊利诺伊州芝加哥市交通摄像头的增强随机屏幕截图的集合。在数据中，所有车辆都被标记在一个名为 的类别中car。标签由边界框组成，并以 YOLOv5 PyTorch 格式存储。   Acknowledgements Snyder, Corey; Do, Minh (2019): Data for STREETS: A Novel Camera Network Dataset for Tr

数据集介绍该数据集为带有注释关节的足球运动员图像，可用于多视图重建。数据集包括：771张足球运动员的照片在 257 个时间实例中从 3 个视图中获取的图像14 个带注释的身体关节If you want to use this dataset please cite:

数据集介绍： 由255个光场组成，每个光场图像生成的图像范围从53到64个，其中跨越了多个显著性检测挑战，如遮挡、杂乱背景和外观变化。

数据集介绍 D-HAZY，建立在Middelbury 和NYU深度数据集上，这些数据集提供各种场景的图像及其相应的深度图。包含1400多对图像的数据集，其中包括同一场景的地面真实参考图像和模糊图像。   引用： @inproceedings{Ancuti_D-Hazy_ICIP2016, author = {Cosmin Ancuti, Codruta O. Ancuti, Christophe

DescribtionNWPU VHR-10数据集包含800个高分辨率的卫星图像，这些图像是从Google Earth和Vaihingen数据集裁剪而来的，然后由专家手动注释。数据集分成10类（飞机，轮船，储罐，棒球场，网球场，篮球场，地面跑道，港口，桥梁和车辆）。使用数据集请引用下述论文：[1] Gong Cheng, Junwei Han, Peicheng Zhou, Lei Guo. Mu

数据集介绍： 这是一个非均匀的真实数据集，具有成对的真实雾度和相应的无雾度图像。这是第一个非齐次图像去模糊数据集，包含55个室外场景。在场景中引入了非均匀雾，使用专业雾发生器模拟雾场景的真实条件。   引用： @inproceedings{NH-Haze_2020, author = {Codruta O. Ancuti and Cosmin Ancuti and Radu Timofte}, t

该数据集包含完整 food-101 数据的许多不同子集。为了给图像分析制作一个比 CIFAR10 或 MNIST 更简单的训练集，该数据包括图像的大规模缩小版本，以实现快速测试。数据已被重新格式化为 HDF5，特别是 Keras HDF5Matrix，这样可以轻松读取它们。文件名表示文件的内容。例如   foodc101n1000_r384x384x3.h5 表示有 101 个类别，n=1000

这一数据集是通过仔细注释几名患有不同器官肿瘤并在多家医院被诊断出的患者的组织图像获得的。该数据集是通过从TCGA存档下载以 40 倍放大倍率捕获的 H&E 染色组织图像创建的。H&E 染色是增强组织切片对比度的常规方案，通常用于肿瘤评估（分级、分期等）。考虑到多个器官和患者的细胞核外观的多样性，以及多家医院采用的丰富染色方案，训练数据集将能够开发出开箱即用的稳健且可推广的细胞核分割技术。   Ci

数据集介绍： 数据集由序列构成。在每个序列中，您都可以找到组成它的帧。一个帧由4个彩色图像、4组投影在每个图像平面中的2D关节、4个边界框、1组Leap Motion Controller提供的3D点和4组重新投影到每个相机坐标帧的3D点组成。   How is this dataset structured? The dataset is structured by sequences. In