深度學習常用的Data Set數據集和CNN Model總結

常用公共數據集

【數據庫】FaceDataset常用的人臉數據庫

http://blog.csdn.net//chenriwei2/article/details/50631212

 

膚色檢測&人臉檢測數據集等鏈接大集合（持續更新中...）

 

http://blog.csdn.net/wangkr111/article/details/44514097

圖像數據庫

http://blog.leanote.com/post/[email protected]/%E5%9B%BE%E5%83%8F%E6%95%B0%E6%8D%AE%E5%BA%93

人臉相關數據庫

http://blog.csdn.net/u012374174/article/details/71420766?locationNum=12&fps=1

一、Data Set數據集（常用）

 

PASCAL VOC包括物體的類別標籤和位置標籤，一萬圖像，20類。

ImageNet有22K種共15M張高分辨率帶標籤圖像，圖像全被收集於網絡，人工標記。

 

二、CNN Model

 

 

 

 

1、   LetNet網絡模型（數字識別，2個卷積層，2個池化層，2個全連接層）

 

 

 

 

其中：C表示卷積層，S表示池化層，F表示全連接層，下標意爲圖像大小

卷積層：卷積核大小爲5*5，步長stride=1

池化層：max pooling，採樣2*2，步長stride=2

2、AlexNet網絡模型（引入GPU，增加特殊層（LRN層），比LetNet更深，用多層小卷積層疊加替換單大卷積層）

3、ZF網絡模型

4、VGG網絡模型（版本多，連續conv層多，計算量巨大）

每次卷積都包含3個卷積層

 

5、GoogleNet網絡模型（用更多的卷積，更深的層次可以得到更好的結構）