Il s'agit d'un ensemble de données d'images à grande échelle centré sur la scène avec 205 catégories de scènes courantes et 2,5 millions d'images, principalement utilisées pour la reconnaissance de scènes.

L'ensemble de données comprend :

• Ensemble d'entraînement : au moins 5 000 images par catégorie, au plus 15 000 images, un total de 2 479 500 images
• Ensemble de validation : 100 images par classe, 20 500 images au total
• Ensemble de tests : 200 images par catégorie, 41 000 images au total

Exemple d'image :