画像分類用のコンピューター ビジョン アルゴリズムをテストしています。猫や犬など、オブジェクトのいくつかのカテゴリを含むデータセットを見つけたいと思います。このデータセットには、クラスの固有の変動性による各クラス内のすべての変動性が含まれている必要があります。つまり、さまざまな視点やさまざまな照明条件で撮影された写真について心配する必要はありません。カテゴリ内のほとんどすべての変動性は、そのカテゴリの固有の変動性によるものでなければなりません。たとえば、猫のカテゴリには多くのものが含まれます。画像が異なるのは、画像が異なる条件で作成されたからではなく、実際に猫の見た目が異なるからです。
できれば、オブジェクトは「切り取る」（均一な背景で）ことになります。データセットのサイズは重要ではありません。合成画像 (おそらく 3D グラフィック ソフトウェアで作成されたもの) も問題ありません。画像にはカテゴリのラベルを付ける必要があります。
このようなデータセットを知っている人はいますか?
Computer Vision Online には、CV および画像処理データセットの非常に包括的なリストがあるようです: http://computervisiononline.com/datasets
Caltech 256 データセットを試してください: http://www.vision.caltech.edu/Image_Datasets/Caltech256/
コミュニティで使用されている他のアルゴリズムとの比較にも役立ちます。
数年前にこのライブラリで SVM を試しました。
http://www.cs.columbia.edu/CAVE/software/softlib/coil-100.php
私が博士課程で取り組んできた画像データ セットの一部をリストしましたが、ウェブ上には本当にたくさんの画像データ セットがあります。あなたが説明したことから、オブジェクト認識タスクまたはグラウンドトゥルースを使用したセグメンテーション データセットを探しています。
ALOI データセットは興味深いかもしれません。「ALOI は、科学目的で記録された 1,000 個の小さなオブジェクトのカラー画像コレクションです。オブジェクトの記録における感覚の変化を捉えるために、視野角、照明角度、および照明を体系的に変化させました。各オブジェクトの色、さらにワイドベースライン ステレオ画像をキャプチャしました。各オブジェクトの 100 を超える画像を記録し、コレクション用に合計 110,250 の画像を作成しました。」
交通標識認識データセットも興味深いかもしれません。IIRC には、交通標識用のグラウンド トゥルース セグメンテーション マスクもあります。
どちらの場合でも、背景を好きなものに置き換えることができるはずです (タスクを少し複雑にしたい場合)。
認識タスクで頑張ってください (それがまだ関連している場合)。
CIFAR データセットが役立つと思います。8,000 万の小さな画像データセットのラベル付きサブセットが含まれているとのことです。データセットの読み込みは、Python、Matlab、または C (バイナリ バージョン) で、提供された方法で簡単に行えるようです。
つまり、さまざまな視点やさまざまな照明条件で撮影された写真について心配する必要はありません。カテゴリ内のほとんどすべての変動性は、そのカテゴリの固有の変動性によるものでなければなりません。たとえば、猫のカテゴリには多くのものが含まれます。画像が異なるのは、画像が異なる条件で作成されたからではなく、実際に猫の見た目が異なるからです。
これはあまり現実的ではありません。実際には、実際にはまったく機能しないシステム、または非常に制約のある環境でのみ機能するシステムになってしまいます。
私が知っているそのようなデータセットの 1 つ (そのようなデータセットは気にしませんでした) は、UIUC car datasetsです。このデータベースには、物体検出アルゴリズムの評価に使用する自動車の側面図の画像が含まれています。（シングルスケール＋マルチスケール）
PASCAL、ImageNet、SUN をお試しください。Caltech と MSRC は古くて機能していません。
こちらの論文もお読みください: Unbiased Look at Dataset Bias - Torralba(MIT) & Efros (CMU): people.csail.mit.edu/torralba/publications/datasets_cvpr11.pdf </p>