微小图像识别数据集

该数据集由 Hinton 的学生 Alex Krizhevsky 和 Ilya Sutskever 整理的一个用于识别普适物体的小型数据集，其作为机器学习的图像分类领域重要的公开测试用数据，能够评价机器学习模型的基础效能。本项目的任务二面向元特征多尺度融合的多模态连续学习依托该数据集的测试，产生相关的科学数据，任务二通过连续场景的域适应，实现对灾难性遗忘的避免。

This small dataset for general object recognition was curated by Alex Krizhevsky and Ilya Sutskever, students of Hinton. As a critical publicly available benchmark dataset in the machine learning image classification field, it can be used to evaluate the fundamental performance of machine learning models. For Task 2 of this project, which focuses on multimodal continual learning with meta-feature multi-scale fusion, tests are carried out relying on this dataset to generate relevant scientific data. Task 2 achieves the mitigation of catastrophic forgetting through domain adaptation in continual learning scenarios.

搜集汇总

背景与挑战

背景概述

微小图像识别数据集是由Alex Krizhevsky和Ilya Sutskever整理的用于普适物体识别的小型公开数据集，主要服务于机器学习图像分类领域的模型效能测试。该数据集数据量为177.69MB，包含5个文件，被应用于国家重点研发计划项目中，通过元特征多尺度融合和多模态连续学习技术，以连续场景域适应来避免灾难性遗忘。