FSOD少样本目标检测数据集

数据集下载链接：http://suo.nz/3d6H0E

少样本目标检测数据集（FSOD）是一个高度多样化的数据集，专门为少样本目标检测而设计，本质上是为了评估模型在新类别上的通用性。

UT Zappos50K鞋类数据集

数据集下载链接：http://suo.nz/35EG4Z

UT Zappos50K ( UT-Zap50K ) 是一个大型鞋类数据集，包含从Zappos.com收集的50,025 个目录图像。这些图像分为 4 个主要类别——鞋子、凉鞋、拖鞋和靴子——其次是功能类型和个人品牌。鞋子以白色背景为中心，并以相同方向进行拍照，以便于分析。

Animals with Attributes数据集

数据集下载链接：http://suo.nz/2Y8tgq

该数据集提供了一个基准迁移学习算法的平台，特别是属性基分类和 零样本学习[1]。它可以作为原始Animals with Attributes (AwA)数据集 [2,3]的直接替代品，因为它具有相同的类结构和几乎相同的特征。它由 50 个动物类别的 37322 张图像组成，每张图像都有预先提取的特征表示。这些类与 Osherson 的经典类/属性矩阵 [3,4] 对齐，从而为每个类提供 85 个数字属性值。使用共享属性，可以在不同类之间传输信息。

原始矿物物种识别基准

数据集下载链接：http://suo.nz/2RidE3

该数据集包含 5,000 多种不同的矿物物种，并包含零样本和少样本学习的子集。除了样本本身之外，数据集中的一些条目还附有补充的自然语言描述、大小测量和分割掩码。

RareAct异常动作视频数据集

数据集下载链接：http://suo.nz/2JM0zm

RareAct是一个异常动作的视频数据集，包括“混合手机”、“切键盘”和“微波炉鞋”等动作。它的目的是评估动作识别模型的零样本和少样本组合性，以识别常见动作动词和宾语名词的不太可能的组合。它包含 122 个不同的动作，这些动作是通过组合在 HowTo100M 的大规模文本语料库中很少同时出现但经常单独出现的动词和名词来获得的。

Generix 对象零样本学习 ( GOZ ) 数据集

数据集下载链接：http://suo.nz/2J1o3T

Generix 对象零样本学习 ( GOZ ) 数据集是零样本学习的基准数据集。

公众号后台回复“数据集”获取100+深度学习各方向资源整理