亚马逊AWS高级技术顾问Will Badr介绍了8种寻找机器学习数据集的方法

1、Kaggle数据集

Kaggle数据集包含不同任务和规模的真实数据集，并有许多不同的格式。此外，您还可以在这里找到与每个数据集相关的交互式笔记本Kernels，这些笔记本电脑可以在浏览器中运行。

在这里，每个数据集都是一个小的交流社区，可以讨论数据，找到一些公共代码，或者在Kernels创建自己的项目。

许多数据科学家从不同的角度分析数据集。有时，您还可以找到解决特定问题的算法代码。

传送门： https://www.kaggle.com/datasets

亚马逊数据集

有许多不同领域的数据集，如公共交通、生态资源、卫星图像等。

还提供了一个搜索框来帮助您找到数据集。有了数据集，还有相关的描述和用法示例。

存储数据集AWS假如你在用AWS训练机器学习模型，会很方便，数据集传输速度很快。

传送门： https://registry.opendata.aws/

3、UCI机器学习数据库

这个数据库有100个数据集。来自加州大学信息与计算机科学学院。

数据集已经按照机器学习问题进行了分类，你可以在这里找到单变量和多变量时间序列数据集；分类、回归或推荐系统的数据集。

而且有些数据集已经清理干净，拿走就可以用了。

传送门： https://archive.ics.uci.edu/ml/datasets.html

4.谷歌数据集搜索引擎

谷歌于2018年9月推出了这项服务，可以根据其名称搜索数据集。目标是收集数千个不同的数据集存储库。

相关报道：

Google在线搜索集搜索神器和搜索论文一样简单

传送门： https://toolbox.google.com/datasetsearch

5.微软数据集

2018年7月，微软推出了微软研究开放数据。涵盖计算机科学、社会科学、物理学、天文学、生物学、经济学等学科

云中存储数据集，以促进全球研究小组之间的合作。在已发表的研究中收集了一系列精确的数据集。

传送门： https://msropendata.com/

6.收集公共数据资源

近600个数据集根据不同的主题进行分类，共涉及生物学、经济学、教育学等29个主题。大多数数据集都是免费的，但最好在使用前检查许可要求。

传送门： https://github.com/awesomedata/awesome-public-datasets

7.政府数据集

很多国家都会公开各种数据，以促进政府事务的透明化。

欧盟开放数据集：欧洲政府的数据集

https://data.europa.eu/euodp/data/dataset

美国政府数据集:(暂时不能使用) https://www.data.gov/

国家统计局： http://www.stats.gov.cn/

8.计算机视觉数据

有各种各样的计算机视觉研究数据集，可以通过语义分割、图像字幕、图像生成等特定主题找到。数据集也可以通过应用场景找到，如自动驾驶汽车数据集。

传送门： https://www.visualdata.io/

One More Thing：其它数据集资源

量子位还报道了很多数据集资源，附在这里，希望能帮到你。(点击文本传输)

自然语言处理

非正式汉语数据集

腾讯中文词NLP数据集

DeepMind机器阅读理解数据集

计算机视觉

腾讯多标签图像数据集

谷歌地标识别数据集

吴恩达医学影像数据集

YouTube已标注视频数据集

斯坦福3D街景数据集

中科院目标跟踪数据集

20万NSFW图片数据集

其他

世界银行开放数据

微软恶意软件数据集

最后的最后

遇到有缺陷的数据集该怎么办？有一个数据处理急救包

公共政府数据集

Data.gov：这里可以下载到多个美国政府机构的数据。从政府预算到学校成绩。但需要注意的是，许多数据需要进一步研究。

https://www.data.gov/

食品环境地图集（Food Environment Atlas）：如何影响美国饮食的数据。

https://catalog.data.gov/dataset/food-environment-atlas-f4a22

学校系统财务状况（School system finances）：这里有对美国学校系统财务状况的调查。

https://catalog.data.gov/dataset/annual-survey-of-school-system-finances

慢性病数据（Chronic disease data）：美国各地慢性病指标数据。

https://catalog.data.gov/dataset/u-s-chronic-disease-indicators-cdi-e50c9

美国国家教育统计中心（The US National Center for Education Statistics）：来自美国和世界各地的教育机构和教育人口统计数据。

https://nces.ed.gov/

英国数据服务：英国最大的社会、经济和人口数据收集机构。

https://www.ukdataservice.ac.uk/

数据美国（Data USA）：美国公共数据全面可视化。

http://datausa.io/

金融和经济

Quandl：?有许多经济和金融数据，你可以使用这些数据来建立预测经济指标或股价的模型。

https://www.quandl.com/

世界银行开放数据（World Bank Open Data）：数据集涵盖世界各地人口统计、大量经济和发展指标。

https://data.worldbank.org/

货币基金组织的数据（IMF Data）：国际货币基金组织公布了国际金融、债务率、外汇储备、商品价格和投资数据。

https://www.imf.org/en/Data

英国金融时报金融时报市场数据（Financial Times Market Data：）：来自世界各地的最新金融市场信息包括股价指数、商品和外汇。

https://markets.ft.com/data/

谷歌趋势（Google Trends）：观察和分析世界各地互联网搜索活动和新闻故事趋势的数据。

http://www.google.com/trends?=google&ctab=0&geo=all&date=all&sort=0

 

美国经济协会(AEA)：这里你可以找到美国宏观经济的相关数据。

https://www.aeaweb.org/resources/data/us-macro-regional

 

 

机器学习数据集

 

Labelme：数据集中包含大量有标注的图像数据。

http://labelme.csail.mit.edu/Release3.0/browserTools/php/dataset.php

 

ImageNet： 是一个用于视觉对象识别软件研究的大型可视化数据库。超过1400万的图像URL被ImageNet手动注释。根据 WordNet 层次结构来组织，其中层次结构的每个节点都由成百上千个图像来描述。

http://image-net.org/

 

LSUN：场景理解与许多辅助任务（房间布局估计，显着性预测等）

http://lsun.cs.princeton.edu/2016/

 

MS COCO：通用图像的理解和文字描述。

http://mscoco.org/

 

COIL 100：在 360 度旋转中以各个角度成像的 100 个不同的物体。

http://www1.cs.columbia.edu/CAVE/software/softlib/coil-100.php

 

视觉基因组：非常详细的视觉知识库，配以0 万张带有文字描述的图像。

http://visualgenome.org/

 

谷歌的Open Images：“知识共享”（Creative Commons）下的900万个图像网址集合，已标注超过6,000个类别的标签。

https://research.googleblog.com/2016/09/introducing-open-images-dataset.html

 

Labelled Faces in the Wild：13,000个人脸标记图像，用于开发涉及面部识别的应用程序。

http://vis-www.cs.umass.edu/lfw/

 

Stanford Dogs Dataset：包含20580张图片和120个不同的狗品种类别。

http://vision.stanford.edu/aditya86/ImageNetDogs/

 

室内场景识别（Indoor Scene Recognition）：这是一个非常细化的数据集，由于大多数在“户外”场景中表现良好的场景识别模型在室内表现不佳，因而这个数据集非常有用。内有 67 个室内类别，共 15,620 张图像。

http://web.mit.edu/torralba/www/indoor.html

 

 

情感分析

 

多域情感分析数据集（Multidomain sentiment analysis dataset）：一个比较有历史的数据集，里面还有一些来自亚马逊的产品评论。

http://www.cs.jhu.edu/~mdredze/datasets/sentiment/

 

IMDB： 影评，也是比较有历史的二元情绪分类数据集、数据规模相对较小，里面有 25,000 条电影评论。

http://ai.stanford.edu/~amaas/data/sentiment/

 

斯坦福情感树银行（Stanford Sentiment Treebank）：带有情感注释的标准情绪数据集。

http://nlp.stanford.edu/sentiment/code.html

 

Sentiment140：一个流行的数据集，它使用16万条推文，并把表情等等符号剔除了。

http://help.sentiment140.com/for-students/

 

Twitter 美国航空公司情绪数据集 (Twitter US Airline Sentiment)：自 2015 年 2 月以来美国航空公司的 Twitter 数据，分类为正面、负面和中性推文。

https://www.kaggle.com/crowdflower/twitter-airline-sentiment

 

 

自然语言处理

 

安然数据集：里面有安然集团高级管理层的电子邮件数据。

https://www.cs.cmu.edu/~./enron/

 

亚马逊评论：里面有3500万条来自亚马逊的评论，时间长度为18年。数据包括产品和用户信息、评级等。

https://snap.stanford.edu/data/web-Amazon.html

 

Google Books Ngram：来自Google书籍的词汇集合。

https://aws.amazon.com/datasets/google-books-ngrams/

 

博客语料库：从blogger.com收集的681，288篇博客文章。每个博客至少包含200个常用的英语单词。

http://u.cs.biu.ac.il/~koppel/BlogCorpus.htm

 

维基百科链接数据（Wikipedia Links data）：维基百科全文。该数据集包含来自400多万篇文章，近19亿字。你可以对字、短语或段落本身的一部分进行搜索。

https://code.google.com/p/wiki-links/downloads/list

 

Gutenberg电子图书列表：Project Gutenberg的附加注释的电子书列表。

http://www.gutenberg.org/wiki/Gutenberg:Offline_Catalogs

 

加拿大议会的文本块（Hansards text chunks of Canadian Parliament）：来自第36届加拿大议会记录的130万对文本。

http://www.isi.edu/natural-language/download/hansard/

 

危险边缘 (Jeopardy)：来自问答游戏节目《危险边缘》(Jeopardy) 的超过 20 万个问题的存档。

http://www.reddit.com/r/datasets/comments/1uyd0t/200000_jeopardy_questions_in_a_json_file/

 

英文SMS垃圾邮件收集（SMS Spam Collection in English）：包含5，574条英文垃圾邮件的数据集。

http://www.dt.fee.unicamp.br/~tiago/smsspamcollection/

 

Yelp评论（Yelp Reviews）：Yelp发布的一个开放数据集，包含超过500万次评论。

https://www.yelp.com/dataset

 

UCI的垃圾邮件库（UCI’s Spambase）：一个大型垃圾邮件数据集，用于垃圾邮件过滤。

https://archive.ics.uci.edu/ml/datasets/Spambase

 

 

自动驾驶

 

Berkeley DeepDrive BDD100k：这是目前最大的自动驾驶 数据集。里面有超过 1,100 多个小时驾驶体验的视频，包含10 万个在一天中不同时段以及在不同天气条件下的数据。

http://bdd-data.berkeley.edu/

 

百度 Apolloscapes：大型数据集，定义了26种不同的语义项，如汽车，自行车，行人，建筑物，路灯等。

http://apolloscape.auto/

 

Comma.ai：超过7个小时的高速公路驾驶视频。里面的数据包括汽车的速度、加速度、转向角和GPS坐标。

https://archive.org/details/comma-dataset

 

城市景观数据集：记录50个不同城市的城市街道场景的大型数据集。

https://www.cityscapes-dataset.com/

 

CSSAD数据集：包含自动车辆的感知和导航等数据，但着重于发达国家的道路。

http://aplicaciones.cimat.mx/Personal/jbhayet/ccsad-dataset

 

麻省理工学院AGE实验室（MIT AGE Lab:）：在AgeLab收集的1,000多小时多传感器驾驶数据集的样本。

http://lexfridman.com/automated-synchronization-of-driving-data-video-audio-telemetry-accelerometer/

 

LISA：智能和安全汽车实验室，加州大学圣地亚哥分校数据集：该数据集包括交通标志，车辆检测，交通信号灯和轨迹模式。

http://cvrr.ucsd.edu/LISA/datasets.html

 

博世小型交通灯数据集（Bosch Small Traffic Light Dataset）：用于深入学习的小交通灯数据集。

https://hci.iwr.uni-heidelberg.de/node/6132

 

Lara交通灯识别（LaRa Traffic Light Recognition）：巴黎交通灯的数据集。

http://www.lara.prd.fr/benchmarks/trafficlightsrecognition

 

WPI 数据集：交通灯、行人和车道检测的数据集。

http://computing.wpi.edu/dataset.html

 

金融

美国劳工部统计局官方发布数据：http://dataju.cn/Dataju/web/datasetInstanceDetail/139

沪深股票除权除息、配股增发全量数据，截止 2016.12.31 http://dataju.cn/Dataju/web/datasetInstanceDetail/344

上证主板日线数据，截止 2017.05.05，原始价、前复权价、后复权价，1260支股票 http://dataju.cn/Dataju/web/datasetInstanceDetail/340

深证主板日线数据，截止 2017.05.05，原始价、前复权价、后复权价，466支股票 http://dataju.cn/Dataju/web/datasetInstanceDetail/341

深证中小板日线数据，截止 2017.05.05，原始价、前复权价、后复权价，852支股票http://dataju.cn/Dataju/web/datasetInstanceDetail/342

深证创业板日线数据，截止 2017.05.05，原始价、前复权价、后复权价，636支股票 http://dataju.cn/Dataju/web/datasetInstanceDetail/343

上证A股日线数据，1999.12.09 至 2016.06.08，前复权，1095支股票 http://dataju.cn/Dataju/web/datasetInstanceDetail/37

深证A股日线数据，1999.12.09 至 2016.06.08，前复权，1766支股票 http://dataju.cn/Dataju/web/datasetInstanceDetail/38

深证创业板日线数据，1999.12.09 至 2016.06.08，前复权，510支股票 http://dataju.cn/Dataju/web/datasetInstanceDetail/39

MT4平台外汇交易历史数据http://dataju.cn/Dataju/web/datasetInstanceDetail/43

Forex平台外汇交易历史数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/67

几组外汇交易逐笔（Ticks）数据http://dataju.cn/Dataju/web/datasetInstanceDetail/44

美国股票新闻数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/220

美国医疗保险市场数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/225

美国金融客户投诉数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/229

Lending Club 网贷违约数据【Kaggle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/206

信用卡欺诈数据【Kaggle 数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/206

美国股票数据XBRL【Kaggle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/214

纽约股票交易所数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/214

贷款违约预测竞赛数据【Kaggle竞赛】http://dataju.cn/Dataju/web/datasetInstanceDetail/249

Zillow 网站房地产价值预测竞赛数据【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/249

Sberbank 俄罗斯房地产价值预测竞赛数据【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/266

Homesite 保险定价竞赛数据【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/336

Winton 股票回报率预测竞赛数据【Kaggle竞赛】http://dataju.cn/Dataju/web/datasetInstanceDetail/347

 

2

交通

2013年纽约出租车行驶数据http://dataju.cn/Dataju/web/datasetInstanceDetail/348

2013年芝加哥出租车行驶数据http://dataju.cn/Dataju/web/datasetInstanceDetail/355

Udacity自动驾驶数据http://dataju.cn/Dataju/web/datasetInstanceDetail/356

纽约 Uber 接客数据 【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/76

英国车祸数据（2005-2015）【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/323

芝加哥汽车超速数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/86

KITTI 自动驾驶任务数据【数据太大仅有部分】 http://dataju.cn/Dataju/web/datasetInstanceDetail/210

Cityscapes 场景标注数据【数据太大仅有部分】 http://dataju.cn/Dataju/web/datasetInstanceDetail/210

德国交通标志识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/232

交通信号识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/228

芝加哥Divvy共享自行车骑行数据（2013年至今） http://dataju.cn/Dataju/web/datasetInstanceDetail/228

美国查塔努加市共享单车骑行数据http://dataju.cn/Dataju/web/datasetInstanceDetail/270

Capital 共享单车骑行数据https://zhuanlan.zhihu.com/

Bay Area 共享单车骑行数据http://dataju.cn/Dataju/web/datasetInstanceDetail/338

Nice Ride 共享单车骑行数据http://dataju.cn/Dataju/web/datasetInstanceDetail/339

花旗银行共享单车骑行数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/325

运用卫星数据跟踪亚马逊热带雨林中的人类轨迹竞赛【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/358

纽约出租车管理委员会官方的乘车数据（2009年-2016年） http://dataju.cn/Dataju/web/datasetInstanceDetail/359

 

3

商业

Airbnb 开放的民宿信息和住客评论数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/360

Amazon 食品评论数据http://dataju.cn/Dataju/web/datasetInstanceDetail/361

【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/324

Amazon 无锁手机评论数据http://dataju.cn/Dataju/web/datasetInstanceDetail/349

【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/364

美国视频游戏销售和评价数据http://dataju.cn/Dataju/web/datasetInstanceDetail/309

【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/207

Kaggle 各项竞赛情况数据【Kaggle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/207

Bosch 生产流水线降低次品率竞赛数据【Kaggle竞赛】http://dataju.cn/Dataju/web/datasetInstanceDetail/208

预测公寓租金竞赛数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/208

广告点击预测竞赛数据http://dataju.cn/Dataju/web/datasetInstanceDetail/230

餐厅营业收入预测建模竞赛http://dataju.cn/Dataju/web/datasetInstanceDetail/230

银行产品推荐竞赛数据http://dataju.cn/Dataju/web/datasetInstanceDetail/213

网站用户推荐点击预测竞赛数据http://dataju.cn/Dataju/web/datasetInstanceDetail/319

在线广告实时竞价数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/337

购物车商品关联竞赛数据【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/335

Airbnb 新用户的民宿预定预测竞赛数据【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/333

推荐系统

Netflix 电影评价数据http://dataju.cn/Dataju/web/datasetInstanceDetail/330

MovieLens 20m 电影推荐数据集 http://dataju.cn/Dataju/web/datasetInstanceDetail/329

WikiLenshttp://dataju.cn/Dataju/web/datasetInstanceDetail/227

Jesterhttp://dataju.cn/Dataju/web/datasetInstanceDetail/350

HetRec2011http://dataju.cn/Dataju/web/datasetInstanceDetail/354

Book Crossinghttp://dataju.cn/Dataju/web/datasetInstanceDetail/32

Large Movie Reviewhttp://dataju.cn/Dataju/web/datasetInstanceDetail/116

Retailrocket 商品评论和推荐数据http://dataju.cn/Dataju/web/datasetInstanceDetail/97

 

4

医疗健康

人识别物体时大脑核磁共振影像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/99

人理解单词时大脑核磁共振影像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/101

心脏病心房图像及标注数据http://dataju.cn/Dataju/web/datasetInstanceDetail/100

细胞病理识别http://dataju.cn/Dataju/web/datasetInstanceDetail/98

FIRE 视网膜眼底病变图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/290

食物营养成分数据 【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/80

EGG 大脑电波形状数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/79

某人基因序列数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/121

癌症CT影像数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/242

软组织肉瘤CT图像数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/124

美国国家健康与服务部-国家癌症研究所发起的癌症数据仓库介绍【仅有介绍】 http://dataju.cn/Dataju/web/datasetInstanceDetail/250

Data Science Bowl 2017 肺癌识别竞赛数据【数据太大仅有介绍】 http://dataju.cn/Dataju/web/datasetInstanceDetail/258

TCGA-LUAD 肺癌CT图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/261

RIDER Lung CT 肺癌CT影像http://dataju.cn/Dataju/web/datasetInstanceDetail/275

TCGA-COAD癌症CT影像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/284

TCIA-TCGA-OV 癌症CT影像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/283

TCIA RIDER NEURO 癌症MRI影像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/287

QIN Beast 乳腺癌MRI影像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/291

 

5

图像数据

综合图像

Visual Genome 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/311

Visual7w 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/315

COCO 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/316

SUFR 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/317

ILSVRC 2014 训练数据（ImageNet的一部分） http://dataju.cn/Dataju/web/datasetInstanceDetail/369

PASCAL Visual Object Classes 2012 图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/85

PASCAL Visual Object Classes 2011 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/107

PASCAL Visual Object Classes 2010 图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/51

80 Million Tiny Image 图像数据【数据太大仅有介绍】 http://dataju.cn/Dataju/web/datasetInstanceDetail/240

ImageNet【数据太大仅有介绍】http://dataju.cn/Dataju/web/datasetInstanceDetail/55

Google Open Images【数据太大仅有介绍】 http://dataju.cn/Dataju/web/datasetInstanceDetail/40

 

场景图像

Street Scences 图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/45

Places2 场景图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/48

UCF Google Street View 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/138

SUN 场景图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/138

The Celebrity in Places 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/83

Web图像标签

HARRISON 社交标签图像 http://dataju.cn/Dataju/web/datasetInstanceDetail/183

NUS-WIDE 标签图像http://dataju.cn/Dataju/web/datasetInstanceDetail/74

Visual Synset 标签图像http://dataju.cn/Dataju/web/datasetInstanceDetail/112

Animals With Attributes 标签图像http://dataju.cn/Dataju/web/datasetInstanceDetail/160

人形轮廓图像

MPII Human Shapehttp://dataju.cn/Dataju/web/datasetInstanceDetail/234

人体轮廓数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/173

Biwi Kinect Head Pose 头部姿势数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/52

上半身人像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/52

INRIA Person 数据集 http://dataju.cn/Dataju/web/datasetInstanceDetail/235

视觉文字识别图像

Street View House Number 门牌号图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/236

MNIST 手写数字识别图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/253

3D MNIST 数字识别图像数据【Kaggle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/129

MediaTeam Document 文档影印和内容数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/129

Text Recognition 文字图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/110

NIST Handprinted Forms and Characters 手写英文字符数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/49

NIST Structured Forms Reference Set of Binary Images http://dataju.cn/Dataju/web/datasetInstanceDetail/73

(SFRS) 图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/47

NIST Structured Forms Reference Set of Binary Images http://dataju.cn/Dataju/web/datasetInstanceDetail/23

(SFRS) II 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/203

特定一类事物图像

著名的猫图像标注数据http://dataju.cn/Dataju/web/datasetInstanceDetail/128

Caltech-UCSDhttp://dataju.cn/Dataju/web/datasetInstanceDetail/176

Birds200 鸟类图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/278

Stanford Car 汽车图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/294

Cars 汽车图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/295

MIT Cars 汽车图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/41

Stanford Cars 汽车图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/105

Food-101 美食图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/106

17_Category_Flowerhttp://dataju.cn/Dataju/web/datasetInstanceDetail/106

图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/254

102_Category_Flowerhttp://dataju.cn/Dataju/web/datasetInstanceDetail/255

图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/109

UCI Folio Leaf 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/114

Labeled Fisheshttp://dataju.cn/Dataju/web/datasetInstanceDetail/115

in the Wild 鱼类图像http://dataju.cn/Dataju/web/datasetInstanceDetail/60

美国 Yelp 点评网站酒店照片http://dataju.cn/Dataju/web/datasetInstanceDetail/61

CMU-Oxfordhttp://dataju.cn/Dataju/web/datasetInstanceDetail/63

Sculpture 塑像雕像图像 http://dataju.cn/Dataju/web/datasetInstanceDetail/174

Oxford-IIIT Pet 宠物图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/256

Naturehttp://dataju.cn/Dataju/web/datasetInstanceDetail/301

Conservancy Fisheries Monitoring 过度捕捞监控图像数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/118

材质纹理图像

CURET 纹理材质图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/111

ETHZ Synthesizability 纹理图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/127

KTH-TIPS 纹理材质图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/172

Describable Textures 纹理图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/71

 

物体分类图像

COIL-20 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/62

COIL-100 图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/70

Caltech-101 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/54

Caltech-256 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/46

CIFAR-10 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/42

CIFAR-100 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/53

STL-10 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/72

LabelMe_12_50k http://dataju.cn/Dataju/web/datasetInstanceDetail/72

图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/69

NORB v1.0 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/117

NEC Toy Animal 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/237

iCubWorld 图像分类数据http://dataju.cn/Dataju/web/datasetInstanceDetail/238

Multi-class 图像分类数据http://dataju.cn/Dataju/web/datasetInstanceDetail/239

GRAZ 图像分类数据http://dataju.cn/Dataju/web/datasetInstanceDetail/108

人脸图像

IMDB-WIKI 500k+ 人脸图像、年龄性别数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/68

Labeled Faces in the Wild 人脸数据http://dataju.cn/Dataju/web/datasetInstanceDetail/50

Extended Yale Face Database B 人脸数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/131

Bao Face 人脸数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/87

DC-IGN 论文人脸数据http://dataju.cn/Dataju/web/datasetInstanceDetail/119

300 Face in Wild 图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/120

BioID Face 人脸数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/122

CMU Frontal Face Imageshttp://dataju.cn/Dataju/web/datasetInstanceDetail/123

FDDB_Face Detection Data Set and Benchmark http://dataju.cn/Dataju/web/datasetInstanceDetail/130

NIST Mugshot Identification Database http://dataju.cn/Dataju/web/datasetInstanceDetail/140

Faces in the Wild 人脸数据http://dataju.cn/Dataju/web/datasetInstanceDetail/170

CelebA 名人人脸图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/175

VGG Face 人脸图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/189

Caltech 10k Web Faces 人脸图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/125

姿势动作图像

HMDB_a large human motion database http://dataju.cn/Dataju/web/datasetInstanceDetail/126

Human Actions and Scenes Dataset http://dataju.cn/Dataju/web/datasetInstanceDetail/177

Buffy Stickmen V3 人体轮廓识别图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/178

Human Pose Evaluator 人体轮廓识别图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/179

Buffy pose 人类姿势图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/181

VGG Human Pose Estimation 姿势图像标注数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/197

 

指纹识别图像

NIST FIGS 指纹识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/281

NIST Supplemental Fingerprint Card Data (SFCD) 指纹识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/280

NIST Plain and Rolled Images from Paired Fingerprint Cards http://dataju.cn/Dataju/web/datasetInstanceDetail/279

in 500 pixels per inch 指纹识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/77

NIST Plain and Rolled Images from Paired Fingerprint Cards http://dataju.cn/Dataju/web/datasetInstanceDetail/289

1000 pixels per inch 指纹识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/132

其他图像数据

Visual Question Answering V1.0 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/84

Visual Question Answering V2.0 图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/241

 

6

视频数据

综合视频

DAVIS_Densely Annotated Video Segmentation 数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/147

YouTube-8M 视频数据集【数据太大仅有介绍】http://dataju.cn/Dataju/web/datasetInstanceDetail/133

YouTube 网站视频备份【数据太大仅有介绍】 http://dataju.cn/Dataju/web/datasetInstanceDetail/134

 

人类动作视频

Microsoft Research Action 人类动作视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/144

UCF50 Action Recognition 动作识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/135

UCF101 Action Recognition 动作识别数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/136

UT-Interaction 人类动作视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/137

UCF iPhone 运动中传感器数据http://dataju.cn/Dataju/web/datasetInstanceDetail/148

UCF YouTube 人类动作视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/125

UCF Sport 人类动作视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/126

UCF-ARG 人类动作视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/141

HMDB 人类动作视频http://dataju.cn/Dataju/web/datasetInstanceDetail/157

HOLLYWOOD2 人类行为动作视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/146

Recognition of human actions 动作视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/244

Motion Capture 动作捕捉视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/245

SBU Kinect Interaction 肢体动作视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/246

 

目标检测视频

UCSD Pedestrian 行人视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/247

Caltech Pedestrian 行人视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/248

ETH 行人视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/223

INRIA 行人视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/159

TudBrussels 行人视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/151

Daimler 行人视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/150

ALOV++ 物体追踪视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/152

密集人群视频

Crowd Counting 高密度人群图像 http://dataju.cn/Dataju/web/datasetInstanceDetail/156

Crowd Segmentation 高密度人群视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/243

Tracking in High Density Crowds 高密度人群视频 http://dataju.cn/Dataju/web/datasetInstanceDetail/200

其他视频

Fire Detection 视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/186

 

7

音频数据

综合音频

Google Audioset 音频数据【数据太大仅有介绍】 http://dataju.cn/Dataju/web/datasetInstanceDetail/164

语音识别

Sinhala TTS 英语语音识别http://dataju.cn/Dataju/web/datasetInstanceDetail/251

TIMIT 美式英语语音识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/252

LibriSpeech ASR corpus 语音数据http://dataju.cn/Dataju/web/datasetInstanceDetail/194

Room Impulse Response and Noise 语音数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/191

ALFFA 非洲语音数据http://dataju.cn/Dataju/web/datasetInstanceDetail/96

THUYG-20 维吾尔语语音数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/96

AMI Corpus 语音识别http://dataju.cn/Dataju/web/datasetInstanceDetail/96

 

8

自然语言处理

RCV1http://dataju.cn/Dataju/web/datasetInstanceDetail/93

英语 http://dataju.cn/Dataju/web/datasetInstanceDetail/90

新闻数据http://dataju.cn/Dataju/web/datasetInstanceDetail/78

20news 英语新闻数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/78

First Quora Release Question Pairs 问答数据http://dataju.cn/Dataju/web/datasetInstanceDetail/94

JRC Nameshttp://dataju.cn/Dataju/web/datasetInstanceDetail/92

各国语言专有实体名称http://dataju.cn/Dataju/web/datasetInstanceDetail/89

Multi-Domain Sentiment V2.0 http://dataju.cn/Dataju/web/datasetInstanceDetail/205

LETOR 信息检索数据http://dataju.cn/Dataju/web/datasetInstanceDetail/205

Yale Youtube Vedio Text http://dataju.cn/Dataju/web/datasetInstanceDetail/221

斯坦福问答数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/221

美国假新闻数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/212

NIPS会议文章信息数据（1987-2016）【Kaggle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/268

2016年美国总统选举辩论数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/269

WikiLinks 跨文档指代语料http://dataju.cn/Dataju/web/datasetInstanceDetail/277

European Parliament Proceedings Parallel Corpus 机器翻译数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/285

WikiText 英语语义词库数据http://dataju.cn/Dataju/web/datasetInstanceDetail/272

WMT 2011 News Crawl 机器翻译数据http://dataju.cn/Dataju/web/datasetInstanceDetail/288

Stanford Sentiment Treebank 词汇数据http://dataju.cn/Dataju/web/datasetInstanceDetail/334

英语语言模型单词预测竞赛数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/201

 

9

社会数据

希拉里邮件门泄露邮件http://dataju.cn/Dataju/web/datasetInstanceDetail/267

波士顿Airbnb 公开数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/209

世界各国经济发展数据【Kaagle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/202

世界大学排名芝加哥犯罪数据（2001-2017）【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/233

世界范围显著地震数据（1965-2016）【Kaagle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/231

美国婴儿姓名数据【Kaagle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/222

全世界鲨鱼袭击人类数据【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/219

1908年以来空难数据【Kaagle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/218

2016年美国总统大选数据【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/217

2013年美国社区统计数据【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/273

2014年美国社区统计数据【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/274

2015年美国社区统计数据【Kaagle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/215

欧洲足球运动员赛事表现数据【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/211

美国环境污染数据【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/224

美国H1-B签证申请数据Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/224

IMDB五千部电影数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/224

2015年航班延误和取消数据【Kaggle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/226

凶杀案报告数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/216

人力资源分析数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/259

美国费城犯罪数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/260

安然公司邮件数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/262

历史棒球数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/263

美联航 Twitter 用户评论数据【Kaggle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/264

波士顿 Airbnb 公开数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/265

芝加哥市2001年以来犯罪记录数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/267

美国查塔努加市犯罪记录数据（2003年至今） http://dataju.cn/Dataju/web/datasetInstanceDetail/353

芝加哥街边咖啡厅季节中的人行道咖啡厅许可数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/358

芝加哥餐馆卫生检查结果数据http://dataju.cn/Dataju/web/datasetInstanceDetail/351

几个人类运动位置路线GPS数据集（骑行、跑步等） http://dataju.cn/Dataju/web/datasetInstanceDetail/352

 

10

处理后的科研和竞赛数据

NIPS 2003 属性选择竞赛数据http://dataju.cn/Dataju/web/datasetInstanceDetail/370

台湾大学林智仁教授处理为 LibSVM 格式的分类建模数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/296

Large-scale 分类建模数据http://dataju.cn/Dataju/web/datasetInstanceDetail/297

几个UCI 中 large-scale 分类建模数据http://dataju.cn/Dataju/web/datasetInstanceDetail/298

Social Computing http://dataju.cn/Dataju/web/datasetInstanceDetail/299

Data Repository 社交网络数据http://dataju.cn/Dataju/web/datasetInstanceDetail/300

猫和狗分类识别竞赛数据【Kaggle竞赛】http://dataju.cn/Dataju/web/datasetInstanceDetail/318

DSTL 卫星图像识别竞赛数据【Kaggle竞赛】http://dataju.cn/Dataju/web/datasetInstanceDetail/328

根据手机应用软件使用行为预测用户性别年龄竞赛数据【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/332

人脸关键点标定竞赛数据【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/331

Kaggle竞赛数据合辑（部分竞赛数据）http://dataju.cn/Dataju/web/datasetInstanceDetail/368

 

Kaggle

 

书籍推荐数据集(goodreads/上万图书/百万评价)【Kaggle】

https://www.kaggle.com/zygmunt/goodbooks-10k

 

带有预期点数和获胜概率的NFL比赛详情数据集(2009-2016)【Kaggle】

https://www.kaggle.com/maxhorowitz/nflplaybyplay2009to2016

 

HackerNews数据集(2006年以来约1/4文章) 【Kaggle】

https://www.kaggle.com/hacker-news/hacker-news-corpus

 

酒店评价数据集【Kaggle】

https://www.kaggle.com/datafiniti/hotel-reviews

 

1950年以来NBA球员状态&表现数据集【Kaggle】

https://www.kaggle.com/drgilermo/nba-players-stats

 

开普勒太空望远镜深空星球光强时序数据集【Kaggle】

https://www.kaggle.com/keplersmachines/kepler-labelled-time-series-data

 

巴基斯坦无人机袭击数据集(2004-2016)【Kaggle】

https://www.kaggle.com/zusmani/pakistandroneattacks

 

墨尔本房屋市场数据集【Kaggle】

https://www.kaggle.com/anthonypino/melbourne-housing-market

 

1789-2016历任美国总统签署行政命令数据集【Kaggle】

https://www.kaggle.com/nationalarchives/executive-orders

 

来自Stack Overflow平台的Python语言问答数据集【Kaggle】

https://www.kaggle.com/stackoverflow/pythonquestions

 

来自Stack Overflow品台的R语言问答数据集【Kaggle】

https://www.kaggle.com/stackoverflow/rquestions

 

每日海冰范围数据集【Kaggle】

https://www.kaggle.com/nsidcorg/daily-sea-ice-extent-data

 

NIPS(1987-2016)论文数据集【Kaggle】

https://www.kaggle.com/benhamner/nips-papers

 

大学公开数据集

 

(Stanford)69G大规模无人机(校园)图像数据集【Stanford】

http://cvgl.stanford.edu/projects/uav_data/

 

人脸素描数据集【CUHK】

http://mmlab.ie.cuhk.edu.hk/archive/facesketch.html

 

自然语言推理(文本蕴含标记)数据集【NYU】

https://www.nyu.edu/projects/bowman/multinli/

 

Berkeley图像分割数据集BSDS500【Berkeley】

https://www2.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/resources.html

 

宠物图片(分割)数据集【Oxford】

http://www.robots.ox.ac.uk/~vgg/data/pets/

 

发布ADE20K场景感知/解析/分割/多目标识别数据集【MIT】

https://groups.csail.mit.edu/vision/datasets/ADE20K/

 

多模态二元行为数据集【GaTech】

http://www.cbi.gatech.edu/mmdb/

 

▍计算机视觉／图像／视频数据集：

 

Fashion-MNIST风格服饰图像数据集【肖涵】

https://github.com/zalandoresearch/fashion-mnist

 

大型(50万)LOGO标志数据集

https://data.vision.ee.ethz.ch/cvl/lld/

 

4D扫描(60fps移动非刚性物体3D扫描)数据集【D-FAUST】

http://dfaust.is.tue.mpg.de

 

基于MNIST的视觉计数合成数据集Counting MNIST

http://fomoro.com/tools/counting-mnist/

 

YouTube MV视频数据集【Keunwoo Choi】

https://github.com/keunwoochoi/YouTube-music-video-5M

 

计算机视觉合成数据集/工具大列表【unrealcv】

https://github.com/unrealcv/synthetic-computer-vision

 

动物属性标记数据集【ChristophH. Lampert／Daniel Pucher／JohannesDostal】

http://cvml.ist.ac.at/AwA2/

 

日本漫画数据集Manga109

http://dl.acm.org/citation.cfm?doid=3011549.3011551

 

俯拍舞蹈视频数据集

http://homepages.inf.ed.ac.uk/rbf/CEILIDHDATA/

 

Pixiv(着色)图片数据集【Jerry Li】

https://github.com/jerryli27/pixiv_dataset

 

e-VDS视频数据集

https://engineering.purdue.edu/elab/eVDS/#download

 

Quick, Draw!简笔画涂鸦数据集

https://github.com/googlecreativelab/quickdraw-dataset

 

简笔画涂鸦数据集【hardmaru】

https://github.com/hardmaru/sketch-rnn-datasets

 

服饰人像生成模型(&Chictopia10K[HumanParsing]时尚人像解析数据集)【Christoph Lassner／Gerard Pons-Moll／Peter V. Gehler】

http://files.is.tue.mpg.de/classner/gp/

 

COCO像素级标注数据集

https://github.com/nightrome/cocostuff

 

大规模街道级图片(分割)数据集【Peter Kontschieder】

http://blog.mapillary.com/product/2017/05/03/mapillary-vistas-dataset.html

 

大规模日语图片描述数据集

https://github.com/STAIR-Lab-CIT/STAIR-captions

 

Cityscapes街景语义分割数据集（50城30类5k细标20k粗标图片及标记视频）

https://github.com/mcordts/cityscapesScripts

 

(街头)时尚服饰数据集(2000+标注图片)

https://github.com/bearpaw/clothing-co-parsing

 

PyTorch实现的VOC2012数据集Pixel-wise目标分割【BodoKaiser】

https://github.com/bodokaiser/piwise

 

Twenty Billion Neurons对象复杂运动与交互视频数据集【Nikita Johnson】

https://www.re-work.co/blog/the-something-something-video-dataset

 

▍文本／评价／问答／自然语言数据集：

 

(20万)英文笑话数据集【TaivoPungas】

https://github.com/taivop/joke-dataset

 

机器学习保险行业问答开放数据集【HainWang】

https://github.com/shuzi/insuranceQA

 

保险行业问答(QA)数据集【Minwei Feng】

https://github.com/shuzi/insuranceQA

 

Stanford NLP发布新的多轮、跨域、任务导向对话数据集【Mihail Eric】

https://github.com/keunwoochoi/YouTube-music-video-5M

 

实体/名词语义关系标记数据集【David S. Batista】

https://github.com/davidsbatista/Annotated-Semantic-Relationships-Datasets

 

NLVR：自然语言基础数据集(对象分组、数量、比较及空间关系推理)

http://lic.nlp.cornell.edu/nlvr/

 

2.8万文章/10万问题大规模(英语考试)阅读理解数据集

https://github.com/qizhex/RACE_AR_baselines

 

错误拼写数据集

http://www.dcs.bbk.ac.uk/~ROGER/corpora.html

 

文本简化数据集

http://www.cs.pomona.edu/~dkauchak/simplification/

 

英语词/句/语义框架框架标注数据集FrameNet

https://framenet.icsi.berkeley.edu/fndrupal/

 

(又一个)自然语言处理(NLP)数据集列表【Nicolas Iderhoff】

https://github.com/niderhoff/nlp-datasets

 

跨语种/多样式/多粒度文本相似性检测数据集

https://github.com/FerreroJeremy/Cross-Language-Dataset

 

Quora数据集：400000行潜在重复问题

http://qim.ec.quoracdn.net/quora_duplicate_questions.tsv

 

文本分类数据集

http://disi.unitn.it/moschitti/corpora.htm

 

Frames：Maluuba对话数据集

https://datasets.maluuba.com/Frames/dl

 

跨域(Amazon商品评论)情感数据集

http://www.cs.jhu.edu/~mdredze/datasets/sentiment/

 

语义网机器学习系统评价/基准数据集集合

http://dws.informatik.uni-mannheim.de/en/research/a-collection-of-benchmark-datasets-for-ml

 

▍其它数据集

 

数据科学/机器学习数据集汇总

https://elitedatascience.com/datasets

 

CORe50：连续目标识别数据集【VincenzoLomonaco&DavideMaltoni】

https://vlomonaco.github.io/core50/

 

(Matlab)数据集统计分布自动发现【Isabel Valera】

http://proceedings.mlr.press/v70/valera17a.html

 

(建筑物)损害评估数据集【tsunami】

https://github.com/faiton713/ABCDdataset

 

IndieWeb社交图谱数据集【IndieWeb】

http://www.indiemap.org

 

DeepMind开源环境/数据集/代码集合【DeepMind】

https://deepmind.com/research/open-source/

 

鸟叫声数据集【xeno-canto】

http://www.xeno-canto.org

 

Wolfram数据集仓库

https://datarepository.wolframcloud.com

 

大型音乐分析数据集FMA

https://github.com/mdeff/fma

 

(300万)Instacart在线杂货购物数据集【Jeremy Stanley】

https://tech.instacart.com/3-million-instacart-orders-open-sourced-d40d29ead6f2

 

用于欺诈检测的合成财务数据集【TESTIMON】

https://www.kaggle.com/ntnu-testimon/paysim1

 

NSynth：大规模高质量音符标记音频数据集

https://magenta.tensorflow.org/datasets/nsynth