SVHN Cropped 是机器学习和深度学习中广泛使用的基准数据集，包含超过60万张从Google街景图像中的房屋编号提取的裁剪数字图像。每张图像是一个32x32像素的彩色补丁，以单个数字（0-9）为中心，使得该数据集适用于数字分类、神经网络训练和数据增强研究等任务。该数据集由斯坦福人工智能实验室和Google的研究人员于2011年作为街景房屋编号（SVHN）项目的一部分引入，旨在改进地图服务中房屋编号的自动读取。
SVHN Cropped集常与MNIST进行比较，但由于其自然图像特征而被认为更具挑战性：数字出现在不同的背景、光照条件、畸变以及偶尔的边缘干扰数字中。完整数据集分为73,257张训练图像、26,032张测试图像，以及额外的531,131张训练样本，可用于扩充训练集。标签对应于中心数字，图像以PNG格式提供，并附带数字边界框元数据。
数据集结构与格式
SVHN Cropped数据集组织为三个主要文件：train.tar.gz、test.tar.gz和extra.tar.gz。每个压缩包包含以唯一标识符命名的单个PNG图像，以及一个digitStruct.mat文件（MATLAB格式），该文件存储每个数字的边界框坐标和标签。对于裁剪版本，图像已以目标数字为中心，但元数据仍包含原始边界框，这对于对象定位等任务或创建数据集变体可能有用。
每张图像为32x32像素，具有三个颜色通道（RGB），这与灰度28x28的MNIST图像形成对比。更大的尺寸和颜色信息提供了更多的视觉复杂性，使SVHN Cropped成为测试卷积架构和残差网络设计的首选。该数据集可公开用于研究目的，可从官方SVHN网站或通过TensorFlow和PyTorch等流行的机器学习库下载，这些库包含内置加载器。
在机器学习中的应用
SVHN Cropped主要用于数字分类任务，作为评估新模型和技术的标准基准。它已被用于众多研究，以比较各种架构的性能，包括卷积神经网络（CNN）、ResNet以及更近期的基于Transformer的视觉模型。该数据集的自然图像变异性使其成为现实世界OCR（光学字符识别）任务的良好代理，例如读取房屋编号、车牌或照片中的任何数字序列。
除了分类之外，SVHN Cropped还被用于课程学习实验，其中模型首先在较简单的样本上训练，以及用于测试随机裁剪、旋转和颜色抖动等数据增强策略。它也是批归一化、丢弃和其他正则化技术的测试平台，以及模型剪枝和知识蒸馏研究的平台。额外的531,131张图像集通常用于模拟半监督学习场景，其中仅使用一小部分标记子集以及较大的未标记池。
与其他数据集的比较
SVHN Cropped经常与MNIST和CIFAR-10进行比较。与包含干净、居中、灰度数字的MNIST不同，SVHN Cropped的数字是彩色的，具有不同的尺度和方向，并包含背景杂乱。这使得SVHN Cropped更能代表现实世界条件，并且模型更难实现高准确率。例如，一个简单的CNN在MNIST上可能达到超过99%的准确率，但在SVHN Cropped上，如果没有大量调优或增强，可能仅能达到约95-97%。
与包含60,000张32x32彩色图像、涵盖10个对象类别的CIFAR-10相比，SVHN Cropped提供了更多的训练数据（超过600,000张图像）和更聚焦的任务（数字识别）。数据集更大的规模有利于训练更深的网络而不会过拟合。研究人员通常将SVHN Cropped用作MNIST的简单性与ImageNet的复杂性之间的中间地带，提供快速而有意义的模型性能评估。
影响与遗产
SVHN Cropped的引入通过为研究社区提供一个具有挑战性但易于访问的数据集，促进了深度学习的进步。它已被数千篇论文引用，并且仍然是许多机器学习课程和教程的标准组成部分。该数据集还强调了利用Google街景等服务的现实世界数据的价值，展示了大规模数据收集如何推动人工智能的进步。
多年来，SVHN Cropped已被整合到各种基准套件和排行榜中，例如Papers with Code上的那些，它继续用于跟踪最先进的性能。其影响延伸到数据增强技术的开发和对域偏移鲁棒性的评估。截至2020年代初，SVHN Cropped仍然是一个相关且广泛使用的资源，尽管具有更复杂任务的新数据集已经出现，但它仍然是研究人员和从业者的基本垫脚石。