内容 这是KITTI语义实例细分基准。它由200个带有语义注释的火车以及200个对应于KITTI Stereo and Flow Benchmark 2015的测试图像组成。 数据采集 为标准旅行车配备了两个高分辨率彩色和灰度摄像机。Velodyne激光扫描仪和GPS定位系统可提供准确的地面真相。在中型城市卡尔斯鲁厄的农村和公路上收集信息，每个图像最多可以看到15辆汽车和30位行人。 可用于自动驾驶 ()@ARTICLE{[Alhaija2018IJCV](http://www.cvlibs.net/publications/Alhaija2018IJCV.pdf), author = {Hassan Alhaija and Siva Mustikovela and [Lars Mescheder](http://avg.is.tuebingen.mpg.de/person/lmescheder) and [Andreas Geiger](http://www.cvlibs.net/) and Carsten Rother}, title = {Augmented Reality Meets Computer Vision: Efficient Data Generation for Urban Driving Scenes}, journal = {International Journal of Computer Vision (IJCV)}, year = {2018} } () 转载自：https://ps.is.tuebingen.mpg.de/

脉冲星预测数据集 介绍 脉冲星是稀有类型的中子星，它会在地球上产生可探测到的无线电辐射。 脉冲星对时空，星际介质和物质状态的探测具有相当大的科学意义。 现在使用机器学习工具来自动标记脉冲星候选者，方便快速分析，特别是将候选数据集视为二进制分类问题的分类系统正在被广泛采用。 内容 每个候选变量由8个连续变量和一个单独的类变量描述。前四个是从集成脉冲剖面(折叠剖面)中获得的简单统计量。 这是一个连续变量数组，描述了在时间和频率上取平均值信号的经度解析版本。其余四个变量也同样由DM-SNR曲线得到。 数据集转载自 https://www.kaggle.com/colearninglounge/predicting-pulsar-starintermediate

口罩检测器数据集 介绍 Covid-19的流行使我们的世界停顿了一段时间，但人们知道佩戴口罩可以应对此类情况。 此数据集的主要目的是创建一个可以监测口罩佩戴状态的模型，确保每个人都正确地使用口罩，保障人身安全。 内容 该数据集可用于面罩检测，包含3类图像： 人们戴着口罩 人们不戴口罩 人们戴着口罩但方式不正确 数据集转载自 https://www.kaggle.com/spandanpatnaik09/face-mask-detectormask-not-mask-incorrect-mask

在tensorflow中，至少有十二种不同的交叉熵损失函数： tf.losses.softmax_cross_entropy tf.losses.sparse_softmax_cross_entropy tf.losses.sigmoid_cross_entropy tf.contrib.losses.softmax_cross_entropy tf.contrib.losses.sigmoid_cross_entropy tf.nn.softmax_cross_entropy_with_logits tf.nn.sigmoid_cross_entropy_with_logits ... 哪一个仅适用于二进制分类，哪个适合多类问题？什么时候应该sigmoid代替使用softmax？sparse功能与其他有何不同？

我想了解各种类型的机器学习算法之间的区别。 我知道进化算法的实现与神经网络的实现有很大不同。 但是，它们似乎都适合从复杂的训练/历史数据确定输入和输出之间的相关性。 从定性的角度来看，是否存在与进化算法相反的，更适合作为神经网络目标的问题领域？