- 综合排序
- 最热优先
- 最新优先
- 来自专栏iOSDevLog
quickdraw_datasetQuick Draw！数据集
https://console.cloud.google.com/storage/browser/quickdraw_dataset Quick Draw！数据集 ? 您可以在quickdraw.withgoogle.com/data上浏览已识别的图纸。 我们在这里分享它们，供开发人员，研究人员和艺术家探索，研究和学习。 按类别分隔的完整数据集 原始文件(.ndjson) 简化的图纸文件(.ndjson) 二进制文件(.bin) Numpy位图文件(.npy) Sketch-RNN QuickDraw数据集 该数据还用于训练 Johnson 的SVG渲染d3.js示例(http://enja.org/) 了解更多关于此过程的信息此处 Payal Bajaj的Sketch-RNN分类 Thomas Wagenaar的quickdraw.js Doodler来自 Krishna Sri Somepalli Quick Draw Python APIMartin O'Hanlon 变化 2017年5月25日：更新了Sketch-RNN QuickDraw
3.4K20发布于 2018-08-10 - 来自专栏ATYUN订阅号
使用Google的Quickdraw创建MNIST样式数据集！
在这篇文章中，我想介绍另一种方法，就是Google的QuickDraw数据集。2017年QuickDraw数据集应用于Google的绘图游戏Quick，Draw。该数据集由5000万幅图形组成。 图纸如下所示： 构建您自己的QuickDraw数据集 我想了解您如何使用这些图纸并创建自己的MNIST数据集。 用QuickDraw代替MNIST 我使用这个数据集代替MNIST。在Keras 教程中，使用Python中的自动编码器进行一些工作。 h5read('y_test.h5', 'name-of-dataset')) y_train <- (h5read('y_train.h5', 'name-of-dataset')) 这是使用自定义的quickdraw 本文为编译文章，作者Rajiv Shah，原网址为 http://projects.rajivshah.com/blog/2017/07/14/QuickDraw/
2.2K80发布于 2018-03-02 - 来自专栏AI研习社
Github项目推荐 | DoodleNet - 用Quickdraw数据集训练的CNN涂鸦分类器
DoodleNet - 用Quickdraw数据集训练的CNN涂鸦分类器 by yining1023 DoodleNet 是一个涂鸦分类器（CNN），对来自Quickdraw数据集的所有345个类别进行了训练 使用的数据来自Quickdraw数据集。 训练一个包含345个类的涂鸦分类器 DoodleNet 对 Quickdraw 数据集中的345个类别进行了训练，每个类有50k张图片。
1.7K10发布于 2019-05-17 - 来自专栏玄魂工作室
“猜画小歌”通关秘籍
我追踪了一下这个程序，源于google的一款游戏叫“quickdraw”。 ? 通过链接https://quickdraw.withgoogle.com/可以体验。和“猜画小哥”几乎是一模一样的。 所有的数据集google已经开源出来，可以通过https://github.com/googlecreativelab/quickdraw-dataset 来访问。 ?
48840发布于 2018-07-25 - 来自专栏腾讯云智能·AI公有云
“猜画小歌”的一些细节和思考
Quickdraw的CNN-RNN模型 "猜画小歌"用到的quickdraw模型本质上是一个分类模型，输入是笔画的点的坐标信息和每笔起始的标识信息，应用几个级联的一维卷积，再使用 BiLSTM 层并对结果进行求和 整个网络结构如图： quickdraw_model.png 开源数据和代码详见后面参考文档。 小思考 Google 16年11月就推出了QuickDraw网页版，最近只是借助小程序又火了一把，之前已经获取过大量真实的用户数据，并用于这次小程序效果的优化。 模型还能用来做啥？ 参考文档 https://tensorflow.juejin.im/tutorials/recurrent_quickdraw.html https://github.com/tensorflow/models /blob/master/tutorials/rnn/quickdraw/ https://www.jiqizhixin.com/articles/2017-09-12-5 https://juejin.im
4.5K30发布于 2018-07-31 - 来自专栏量子位
拯救灵魂画手！Google新推AutoDraw，用机器学习帮你画画
这个AutoDraw使用了与QuickDraw相同的技术。基本原理都是构建一个神经网络，利用机器学习技术，尝试识别用户绘画的内容。 说到QuickDraw，如果你没玩过，强烈推荐！ 就是一个你画我猜的人机大战，对于指定的主题，你需要在20秒内画好，并让机器才出来~ 传送门在此：quickdraw.withgoogle.com 最后，放一段讲述AutoDraw的视频~
1.2K70发布于 2018-03-28 - 来自专栏镁客网
你是绘画小白？没关系，谷歌的这款AutoDraw绘制工具助你成为“大神”
其实，谷歌在很早之前就曾成立过一个名为QuickDraw的实验项目，该项目所应用的技术与AutoDraw一样。 QuickDraw是一个迷你游戏，绘画者可以根据一个特定的物体进行绘图，比如眼睛、直升机等，而AI可以在20秒的时间内对画作进行识别。 相较于QuickDraw，AutoDraw更具创造力，绘画者可以任意绘制想画的东西。
40620发布于 2018-05-29 - 来自专栏机器之心
资源 | 谷歌发布Quick Draw涂鸦数据集：5000万张矢量图，345个类别
数据集地址：https://github.com/googlecreativelab/quickdraw-dataset 数据集官网：https://quickdraw.withgoogle.com/data 在线体验：https://quickdraw.withgoogle.com AutoDraw 在线体验：https://www.autodraw.com 相关论文：https://arxiv.org/abs 如果你使用这个数据集创造出了什么东西，请发邮件告知我们：quickdraw-support@google.com 或提交到 A.I. ndjson) Simplified drawings files (.ndjson) Binary files (.bin) Numpy bitmap files (.npy) Sketch-RNN QuickDraw
2.2K120发布于 2018-05-07 - 来自专栏磐创AI技术团队的专栏
近期 github 机器学习热门项目top5
No4：Python Implementation of Google’s ‘Quick Draw’ Game （https://github.com/1991viet/QuickDraw） ? QuickDraw是一款最近非常流行的在线游戏。它是由谷歌开发，其中神经网络试图猜测你在画什么。神经网络会从每幅图画中学习，进而提高了正确猜测涂鸦的能力。 这个开源数据集的地址如下：https://github.com/googlecreativelab/quickdraw-dataset。 现在，我们可以用这个github库在Python中构建自己的QuickDraw游戏。 项目中会教我们如何一步一步去实现（https://github.com/1991viet/QuickDraw），基于此代码，我们还可以运行一个应用程序，可以在计算机的摄像头前绘制，也可以在画布上绘制。
64130发布于 2018-12-27 - 来自专栏量子位
谷歌开源“教机器画画”项目代码，公开5000万幅简笔画数据集
数据集的GitHub地址： https://github.com/googlecreativelab/quickdraw-dataset 与通常的图像数据集不同，谷歌捕捉了这些简笔画的绘制过程，存储成为一组带时间戳的向量 的数据集网站上：https://quickdraw.withgoogle.com/data △ Quick, Draw! 邮箱：quickdraw-support@google.com 网站：https://aiexperiments.withgoogle.com/submit 上个月，谷歌用这个数据集完成了一个教机器画画的项目
2.7K130发布于 2018-03-30 - 来自专栏机器之心
全球百万网友迷上赛博「养鱼」，我也被这群AI小丑鱼拿捏了
开发者选用了经典的 ResNet18 架构，并结合 Google QuickDraw 数据集来训练模型。 QuickDraw 是谷歌推出的大规模手绘涂鸦数据集，涵盖了各种简笔画元素，其中的「fish」与「not fish」类别正好为模型提供了基础训练样本。 QuickDraw 集成：提供脚本可以自动下载并转换 QuickDraw 涂鸦数据，用于鱼和非鱼的分类。虽然作者最后没有用它，但仍保留在仓库里，方便其他人使用。
4.8K10编辑于 2025-09-02 - 来自专栏贾志刚-OpenCV学堂
TensorFlow中最大的30个机器学习数据集
6、Quickdraw Bitmap – Quickdraw数据集是Quickdraw玩家社区绘制的图像集合。它包含了500万幅横跨345个类别的画作。 这个版本的Quickdraw数据集包括28 x 28灰度格式的图像。 7、SVHN Cropped – 来自斯坦福大学的街景门牌号(SVHN)是一个TensorFlow数据集，用来训练数字识别算法。
1.3K20发布于 2020-07-15 - 来自专栏相约机器人
30个最大的机器学习TensorFlow数据集
Quickdraw位图 – Quickdraw数据集是Quickdraw播放器社区绘制的图像的集合。它包含500万张图纸，涵盖345个类别。 此版本的Quickdraw数据集包括28 x 28灰度格式的图像。 https://www.tensorflow.org/datasets/catalog/quickdraw_bitmap 7.
1.8K31发布于 2020-07-13 - 来自专栏ATYUN订阅号
谷歌在云平台上提供包含5000万涂鸦的数据集
项目：quickdraw.withgoogle.com/ 代码：github.com/googlecreativelab/quickdraw-dataset
89210发布于 2018-12-14 - 来自专栏机器学习与生成对抗网络
TensorFlow最出色的30个机器学习数据集
Quickdraw位图—Quickdraw数据集是由Quickdraw玩家社区绘制的图像集合。它包含500万张图纸，跨越345个类别。这个版本的Quickdraw数据集包括28×28的灰度图像。
76520发布于 2020-08-28 - 来自专栏新智元
SOTA排行榜大变天！MIT研究十个CV测试集，平均错误率超3.4%
QuickDraw数据集有10%都是错的？ QuickDraw共包含了五千万幅画，其中抽样测试集错误率约为10%，也就是说五百万个样例都是错误的。
66930发布于 2021-04-14 - 来自专栏量子位
奇怪的拍立得，按下快门，你就被AI变成一张简笔涂鸦 | 补童年·有代码
https://github.com/danmacnish/cartoonify GitHub谷歌Quick Draw数据集： https://github.com/googlecreativelab/quickdraw-dataset 游戏玩一玩 (有中文) ： https://quickdraw.withgoogle.com/
74020发布于 2018-07-19 - 来自专栏AI研习社
Github项目推荐 | 深度学习资源，包括一系列架构、模型与建议
Trained on CelebA [PyTorch] Convolutional Autoencoder with Nearest-neighbor Interpolation -- Trained on Quickdraw from CelebA [PyTorch] Using PyTorch Dataset Loading Utilities for Custom Datasets -- Drawings from Quickdraw
1.1K30发布于 2019-07-04 - 来自专栏量子位
谷歌AI“你画我猜”强推“狗年版本”，腾讯AI要帮你修老照片 | 竹货新春
链接在这： 狗年版本：https://quickdraw.withgoogle.com/woof/# 普通版本：https://quickdraw.withgoogle.com/ 祝大家玩得开心，新年快乐
1.3K90发布于 2018-03-20 - 来自专栏AI算法修炼营
吓人！AI模型性能上不去真的不怪我，ImageNet等数据集每100个标签就错3个！
这10个数据集包括：MNIST、CIFAR-10、CIFAR-100、Caltech-256、ImageNet、QuickDraw、20news、IMDB、Amazon、AudioSet，它们不仅涉及图像数据集 QuickDraw测试集的错误标签达到了500万个，约占整个测试集的10%。 在三个（Caltech-256、QuickDraw和Amazon Reviews）含大量错误标签的数据集中，研究人员随机检查了部分样本（分别是8.6%、0.04%、0.02%），对其它数据集则对所有识别到的错误标签进行检查
78520发布于 2021-05-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号