SVHN 真实世界图像数据集

* 在线使用数据集教程：【OpenBayes 官方教程】公共资源介绍

数据集简介

Street View House Numbers (SVHN) 数据集是一个用于机器学习和对象识别算法开发的真实世界图像数据集。该数据集于 2011 年由斯坦福大学发布，相关论文为「Reading Digits in Natural Images with Unsupervised Feature Learning」。它与 MNIST 数据集风格相似，但包含了更多的标记数据，超过 60 万张数字图像，并且来源于一个更困难、未解决的现实世界问题——在自然场景图像中识别数字和号码。 SVHN 数据集来自 Google Street View 图像中的门牌号码，包含 10 个类别，数字 1 至 9 分别对应标签 1 至 9，而「0」的标签为 10。

SVHN 数据集的特点包括：

图像大小：大多数图像被裁剪和调整为 32x32 像素，类似于 MNIST 数据集，但包含多个数字以及一些干扰物。
通道数：图像为彩色，因此通道数为 3。
标签：数据集为多标签分类问题，每个图像可能包含多个数字。
数据集分布：包含训练集 73,257 张图像，测试集 26,032 张图像，以及额外的训练集 531,131 张图像，后者可作为额外的训练数据。

SVHN 数据集的应用场景广泛，包括数字识别、字符识别和图像分类等。它不仅可以用于提高数字识别的准确性，还可以帮助信息提取和分类。在使用时，需要进行数据预处理，包括将原始图像尺寸变为 32x32 并进行标签编码。SVHN 数据集的标签中，数字 0 的标签为 10。

public.datasets/SVHN 真实世界图像数据集/version.titleV1version.current

public.datasets
/
SVHN 真实世界图像数据集
/
version.title