1. CIFAR-10 & CIFAR-100

    包含10个类别，50,000个训练图像，彩色图像大小：32x32，10,000个测试图像。

    （类别：airplane，automobile, bird, cat, deer, dog, frog, horse, ship, truck）

    （作者：Alex Krizhevsky, Vinod Nair, and Geoffrey Hinton）

    （数据格式：Python版本、Matlab版本、二进制版本<for C程序>）

     与CIFAR-10类似，包含100个类，每类有600张图片，其中500张用于训练，100张用于测试；这100个类分组成20个超类。每个图像有一个"find" label和一个"coarse"label。

2. 图像分类结果及对应的论文

    ，包含数据集：MNIST、CIFAR-10、CIFAR-100、STL-10、SVHN、ILSVRC2012 task 1     

    ： ImageNet Large Scale Visual Recognition Challenge

3. ImageNet

    相关信息如下：

    1）Total number of non-empty synsets: 21841

    2）Total number of images: 14,197,122    3）Number of images with bounding box annotations: 1,034,908    4）Number of synsets with SIFT features: 1000    5）Number of images with SIFT features: 1.2 million

4. COCO

    (Common Objects in Context)是一个新的图像识别、分割、和字幕数据集，它有如下特点：

    1）Object segmentation

    2）Recognition in Context

    3）Multiple objects per image    4）More than 300,000 images    5）More than 2 Million instances    6）80 object categories    7）5 captions per image    8）Keypoints on 100,000 people

    (2016.6.1-2016.9.9)和(2016.6.1-2016.9.9)已经由Microsoft发起 由ECCV 2016(ECCV：European Conference On Computer Vision )。

4. 3D数据

   1）

     2） 

   3） (3D Human Pose Dataset)

         - 《Iterated Second-Order Label Sensitive Pooling for 3D Human Pose Estimation》

5. 人脸Dataset

   1） 

6. Stereo Datasets

   2）

   3）

7. 普林斯顿大学人工智能自动驾驶汽车项目

   1）

    2）