2 jxk505100497 jxk505100497 于 2014.05.19 20:26 提问

corel 5k数据集中怎么分训练集和测试集图片?

它有50个主题,每个主题100张图像。那么4500张训练图像和500张测试图像怎么分?我感觉图像和标签怎么对不上?

4个回答

ahutgml533
ahutgml533   2016.01.19 19:01

楼主,corel5k这个数据集,你有吗?现在我需要做一些实验,但是没有这个数据集,希望得到你的帮助。非常期待你的回复

u014686356
u014686356 回复kuminger: 你还有数据集吗,给我发一份可以吗1040999427@qq.com
接近 2 年之前 回复
kuminger5
kuminger5 我有
2 年多之前 回复
qq_32829717
qq_32829717   2017.02.14 10:38

请问有标注好的数据集吗?可以发我一份吗?suny0702@163.com

guolunhui9258
guolunhui9258   2017.03.02 17:21

请问有标注好的数据集吗?可以发我一份吗?740338506@qq.com

mengmengjiang123
mengmengjiang123   2017.04.09 21:00

你好楼主,请问标注好的数据集能给我发一份吗?1373639751@qq.com谢谢!!

Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
真正的Corel-5K图像库 标准训练集与测试集
深圳电信培训中心的徐海蛟博士教学用的真正的Corel-5K图像数据集。5000张图片,标注词,训练数据,测试数据。特征提取说明。吐血奉献! 这是真正的Corel-5K图像集,共包含科雷尔(Corel)公司收集整理的5000幅图片,故名:Corel-5K,童鞋们可用于科学图像实验:分类、检索等。Corel-5k数据集是图像实验的事实标准数据集。 Corel图像库是科雷尔(Corel)公司收集整理的较为丰富的图像库涵盖多个主题。Corel图像库由若干个CD组成,每个CD包含100张大小相等的图像,可以转换成多种格式。每张CD代表一个语义主题,例如有公共汽车、恐龙、海滩等。 Corel-5k自从被提出用于图像标注实验后,已经成为图像实验的标准数据集,被广泛应用于标注算法性能的比较。Corel5k由50张CD组成,包含50个语义主题。 Corel-5k图像库通常被分成三个部分: 4000张图像作为训练集,500张图像作为验证集用来估计模型参数,其余500张作为测试集评价算法性能。使用验证集寻找到最优模型参数后4000张训练集和500张验证集混合起来组成新的训练集。 该图像库中的每张图片被标注1~5个标注词,训练集中总共有374个标注词,在测试集中总共使用了263个标注词。 童鞋们自己去提取相关低层视觉特征:Rgb Lab Hsv Sift Gist HOG等等。 童鞋们完成 svm knn adaboost 逻辑回归 随机森林 mimlsvm mimlknn mimlboost 自定义算法 等等多类与多标签实验吧。Go, ...
从训练集中随机寻找一个作为测试集
clc clear SOURCE_DIR='G:/watecrop'; fid=fopen('water_train.txt','w'); fid2=fopen('water_val.txt','w'); Path=dir(SOURCE_DIR); for i=3:length(Path) sub_dir = Path(i).name; pi = fullfile(SOURCE_DIR
python中如何实现将数据分成训练集与测试集
接下来,直接给出大家响应的代码,并对每一行进行标注,希望能够帮到大家。 需要用到的是库是。numpy 、sklearn。 #导入相应的库(对数据库进行切分需要用到的库是sklearn.model_selection 中的 train_test_split) import numpy as np from sklearn.model_selection import train_test_sp...
【Python那些事儿】准备数据——训练集和测试集
准备工作在把数据用于机器学习的算法之前,必须认真准备数据。提供类别分布一致的训练集和测试集对于成功的分类模型是十分重要的。继续使用iris数据集,把80%的记录归入训练集,剩下的20%作为测试集。操作方法#导入必要的库 from sklearn.datasets import load_iris import numpy as np from sklearn.cross_validation imp
学习笔记:使用python将数据集划分成测试集和训练集
实验室布置的算法作业,除了数学运算外,不能调用其他的函数库。遇到一个划分数据集的问题,所以手动仿照sklearn库的划分函数写了一个函数。环境:Windows 7,PyCharm,Python 3.6,numpy1.14.2+mkl调用sklearn库的划分函数如下其中train_data为训练输入的数据,train_target为数据类别,test_size为测试集占数据集的比例,random_...
sklearn:随机划分训练集和测试集
一、sklearn.model_selection.train_test_split 作用: 随机划分训练集和测试集   官网文档: http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html#sklearn.model_selection.train_test
【七】机器学习之路——训练集、测试集及如何划分
上一个博客讲了一个简单的例子,根据手头的房子大小和房价的数据来拟合房子大小和房价的关系曲线,当然这是一个非常简单的一元一次方程,y=ax+b。但是最后咱们还少了一样东西,不知道细心的同学有没有发现,那就是咱们拟合曲线的准确度到底有多少呢?怎么来检测咱们拟合曲线到底有多完美呢?用什么来验证咱们的准确度呢?  带着一肚子疑问,咱们就先来介绍一下数据拟合中的训练集,测试集,验证集。字比较多,但都很容易懂,
将mat格式中加标签的数据分为:训练集、验证集、测试集
%%将一部分MontData 放入到OhmData里面 clear all;close all;clc; load Mont_data; kk1=randperm(size(train,1),2000); kk2=randperm(size(train,1),4000); kk3=randperm(size(train,1),5000); TempMontData1=train(kk1); Tem
Python分割训练集和测试集
数据集介绍使用数据集Wine,来自UCI。包括178条样本,13个特征。import pandas as pd import numpy as npdf_wine = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data', header=None) df_wine.columns
python划分训练集和测试集
【第一种】方法def splitData(data,seed,m,k): #将数据分成训练集和测试集,每次指定seed,更换K,重复M次,防止过拟合. test=[] train=[] #random.seed(seed),指定seed的话,每次后面的随机数产生的都是一样的顺序 np.random.seed(seed) for user,item in...