fer2013数据集介绍_迁移学习（一）：相关数据集介绍

终于要开始做这个方向了，记录一下吧。

迁移学习常用的数据集

其中一部分图片来自各个网站，并且表示衷心感谢王晋东（知乎账号：王晋东不在家）博士的支持与分享

（https://github.com/jindongwang/transferlearning/blob/master/ ，

数据集Office-31，Office+Caltech，VLSC都可以在该项目下找到）

一． Office-31

（Object recognition数据集）

该系统能够涵盖31个类别中的数据，并且这些数据全部来源于Office领域。具体来源包括A(Amazon)、W(Webcam)和D(DSLR)三个子领域。基准数据集如图所示。

二．Office+Caltech

（Object recognition数据集）

包含了2533个样本的数据库集合（Caltech, Amazon, Webcam, DSLR）提供了丰富的数据资源，在该研究中分别采用了以下四种类型的数据：Caltech共有1123个样本,American亚马逊平台拥有958个样本,Webcam设备获得了295个样本,Digital SLR相机系统则收集了157个样本.该数据库集合不仅涵盖了 SURF 特征,而且还提供了 DeCAF (一种深度卷积激活特征用于通用视觉识别) 特征

同一类物体在不同数据集中的具体实例

三．MNIST+USPS

手写体数字识别的数据中随机选取了来自MNIST和USPS两个数据集的样本。其中MNIST数据集中的每个图像尺寸为28乘以28像素点，并包含总计7万张图片供分类任务使用。而USPS数据集则提供了共计2万张图像样本，并且每幅图像均为16乘以16像素点分辨率。这些手写体数字识别的数据集可以从以下链接获取：https://cs.nyu.edu/~roweis/data.html

BenchMark

四．Animals-with-Attributes

访问网站地址http://cvml.ist.ac.at/AwA2/

Benchmark以及示意图

五． Office-Home

由2017CVPR发布的新型数据集涵盖65个种类的对象，并专注于domain adaptation领域的研究。该网站地址为http://hemanthdv.org/OfficeHome-Dataset/，其中包含了艺术风格图片、插图、产品图片以及现实世界中的图片。

六．VisDA

视觉领域适应挑战赛（VisDA）是一项专注于计算机视觉领域的年度竞赛，在该领域具有重要的影响力和知名度。该竞赛最初由波士顿大学计算机学院于2017年举办，并迅速吸引了来自全球的研究者参与其中。 VisDA 2017涵盖了多个核心方向，包括目标分类、目标检测以及图像分割等技术难题，并成为每年举办的一项重要赛事。 而今年（即2020年）则提出了新的挑战：重点聚焦于行人重识别这一特定领域的问题研究与解决方案探索。

1）分类任务

2）分割任务