1、ML-Images数据集的全部图像URLs,以及相应的类别标注。出于原始图像版权的考虑，此次开源将不直接提供原始图像，用户可利用我们提供的下载代码和URLs自行下载图像。

2、ML-Images数据集的详细介绍，包括图像来源，图像数量，类别数量，类别的语义标签体系，标注方法，以及图像的标注数量等统计量。

3、完整的代码和模型。我们提供的代码涵盖从图像下载，图像预处理，基于ML-Images的预训练，基于ImageNet的迁移学习，到基于训练所得模型的图像特征提取的完整流程。该项目提供了基于小数据集的训练示例，以方便用户快速体验我们的训练流程。该项目还提供了非常高精度的ResNet-101模型(在单标签基准数据集ImageNet的验证集上的top-1精度为80.73%)。用户可根据自身需求，随意选用该项目的代码或模型。

该项目的开源，是腾讯AI Lab在计算机视觉领域所累积的基础能力的一次释放，为人工智能领域的科研人员和工程师提供了充足的高质量训练数据，及简单易用、性能强大的深度学习模型，为包括图像、视频等在内的视觉任务提供强大支撑，并助力图像分类、物体检测、物体跟踪、语义分割等技术水平的提升，促进人工智能行业共同发展。