基础模型基准评测集 (FME Benchmark)

本数据集用于基础视觉模型的评测，由16个公开数据集构成， Aircraft,Caltech101,CIFAR10,CIFAR100,CUB-200-2011,DTD,EuroSAT,Food101,Kaokore,NABirds,Oxford Flowers,OxfordPets,Resisc45,Stanford Cars,Stanford Dogs,SUN397

本数据集用于基础视觉模型的评测，共包含16个公开数据集，具体包括：航空图像数据集（Aircraft）、加州理工101数据集（Caltech101）、CIFAR-10（CIFAR10）、CIFAR-100（CIFAR100）、加州理工鸟类200类2011版数据集（CUB-200-2011）、可描述纹理数据集（DTD）、欧洲卫星图像数据集（EuroSAT）、Food101食物数据集（Food101）、Kaokore数据集（Kaokore）、北美鸟类数据集（NABirds）、牛津花卉数据集（Oxford Flowers）、牛津宠物数据集（OxfordPets）、遥感图像45类数据集（Resisc45）、斯坦福汽车数据集（Stanford Cars）、斯坦福犬类数据集（Stanford Dogs）、SUN397场景数据集（SUN397）

搜集汇总

背景与挑战

背景概述

FME Benchmark是一个多场景、多任务的基础模型评测集，包含16个公开子数据集，覆盖自然、动植物、工业等多个领域，用于评估基础模型及其微调算法的综合效果。数据集结构清晰，每个子数据集均有训练集、验证集和测试集划分，数据格式为CSV，便于加载和使用。