17 个公开数据集
8 个公开数据集
6 个公开数据集
-
Washington-RGB-D 是一个机器人社区广泛使用的测试台（RGB-D 对象数据集）。数据集包含 41877 张… -
OCID 全称 Object Clutter Indoor Dataset，是一个 RGB-D 数据集，包含每个对象的逐…
-
DeepLoc 是一个大规模的城市户外定位数据集。该数据集目前由一个场景组成，横跨 110 x 130 米的区域，机器人…
56 个公开数据集
-
Tanks Temple 图像数据集提供高分辨率的视频，研究人员可以从视频中采集图像，依据图像进行三维重建。该数据集提供…
-
FlyingThings3 是一个用于光流 (optical flow)、视差 (disparity) 和场景流 (sc…
-
Chairs 数据集包含大约 1,000 个不同的 3D 椅子模型的渲染图像。 该数据集被用于开发一种基于范例的 3D … -
Replica 是一个高质量室内场景三维重建数据集，包含了 18 个高真实感的室内场景。 每个场景由一个密集的网格、高分… -
Gaze360 是一个大规模视线追踪数据集，包括 238 名受试者在室内与室外环境中，大范围头部动作及距离变化中，进行 …
1 个公开数据集
-
UT-Interaction 人类交互数据集包含 6 种人与人之间交互的视频（连续动作）：握手、指向、拥抱、推、踢和打拳…
3 个公开数据集
59 个公开数据集
-
VGG-Face2 Dataset 是一个人脸图片数据集，包含共计 9131 个人的面部数据，图像均来自 Google … -
FRLL-Morphs 全称 Face Research London Lab Morphs，是一个从公开的 Face …
-
AFLW2000-3D 数据集由 AFLW 数据库的前 2000 张图像及其 3D 信息组成，用于评估 3D 面部 la… -
Glint360K 是迄今为止最大、数据最干净的人脸识别数据集，包含 360,232 个人的 17,091,657 张图…
-
CrowdHuman 是一个大规模的、包含丰富标注的人类检测数据集。该数据集包含从互联网上收集的图像，其中用于训练、验证…
41 个公开数据集
-
FairFace 是一个更种族均衡的人脸图像数据集。该数据集包含 108,501 张图片，涉及 7 个不同种族群体（白人…
-
TinyFace 是一个大规模的人脸识别基准，有助于研究深度学习中的大规模原生 LRFR（Low Resolution …
-
FG 全称 Face Gap，是一个用于年龄估计和跨年龄段人脸识别的图像数据集。该数据集由 82 人的 1,002 张图…
-
Large Age-Gap 是一个用于人脸验证的数据集。该数据集包括 1,010 个人的 3,828 张图片，每一个人都…
-
EDFace-Celeb-1M 一个公开的种族多样性面部数据集，用于一个面部幻觉 (face hallucination…
4 个公开数据集
1 个公开数据集
13 个公开数据集
-
EgoHands 是一个识别复杂的手部动作的数据集。数据集包含 48 个谷歌眼镜视频，其中包含两个人之间复杂的第一人称互…
-
Kinetics-600 是一个大规模动作识别数据集，是 Kinetics-400 数据集的一个扩展。该数据集由涵盖 6… -
YouCook2 是视觉社区中最大的任务导向的教学视频数据集。该数据集由涉及 89 个食谱的 2,000 个YouTub… -
Kinetics 是一个大规模且高质量的以人类动作为主的 YouTube 视频链接数据集，包含 65 万个视频片段，依据…
-
Charades 数据集包含人们进行日常活动的真实视频。该数据集由 9,848 个平均长度为 30 秒的日常室内活动视频…
9 个公开数据集
-
EgoHands 是一个识别复杂的手部动作的数据集。数据集包含 48 个谷歌眼镜视频，其中包含两个人之间复杂的第一人称互…
-
DADA-seg 是一个像素级标注的事故数据集。该数据集从基于事件的数据中提取动态背景，以更高的时间分辨率来增强静态的 …
-
Gaze360 是一个大规模视线追踪数据集，包括 238 名受试者在室内与室外环境中，大范围头部动作及距离变化中，进行 …
61 个公开数据集
-
Hopkins155 数据集由 156 个包含两到三个动作的视频序列组成。每个视频序列的运动对应于一个低维的子空间。每个… -
Drive&Act 数据集是最先进的多模态基准测试，可用于车辆行驶中驾驶员的动作识别。该数据集包括 3D 骨架，…
-
UTD 全称 University of Texas at Dallas，MHAD 全称 Multimodal Huma… -
MSR Action Pairs 是一个 3D 动作识别数据集。该数据集中的动作是成对的，使得每对动作中的两个动作在运动… -
EgoHands 是一个识别复杂的手部动作的数据集。数据集包含 48 个谷歌眼镜视频，其中包含两个人之间复杂的第一人称互…
4 个公开数据集
-
BKAI 全称 BioKinesiology Association of Ireland，IGH 全称 Institu… -
CHAOS 全称 Combined (CT-MR) Healthy Abdominal Organ Segmentati…
-
LiTS17 是一个肝脏肿瘤分割 benchmark，数据和分割由世界各地的临床站点提供。训练数据集包含 130 张 C…
11 个公开数据集
1 个公开数据集
-
CoSal2015 协同显著性检测 (co-saliency detection) 数据集由 50 个类别的 2,015…
6 个公开数据集
-
MegaDepth 是一个无限制数据源、大容量的深度图像数据集，可用于 single-view 深度预测。该数据集包含从…
-
Make3D 数据集是一个单目深度估计数据集，包含 534 对 RGB-D 图像对（包括 RGB 图像及其对应的深度图像… -
OASIS 全称 Open Annotations of Single Image Surfaces，是一个自然环境单图…
1 个公开数据集
-
RedCaps 是一个大规模的图像-文本对 (image-text pair) 数据集，数据源自 Reddit，总数达 …
14 个公开数据集
-
Real Rain 是一个高质量的、真实的带有雨点图像的数据集。该数据集包含 29,500 个有雨和无雨图像对，其中 2…
-
RICE 全称 Remote sensing Image Cloud rEmoving，是一个用于遥感图像去云朵遮挡的数…
-
Real Blur Dataset 数据集，是一个采集于真实世界的模糊图像的集合，用于学习和评估图像去模糊算法。该数据集…
-
HIDE 数据集主要针对动态去模糊问题提出。由成像设备和场景之间的相对运动引起的多种模糊，主要包括相机晃动和物体移动。为…
-
SIDD 全称 Smartphone Image Denoising Dataset， 是一个图像降噪数据集。该数据集包…
8 个公开数据集
4 个公开数据集
图像分类
图像分类描述
192 个公开数据集
-
ImageNet 是目前世界上最大的图像识别数据库，主要用于机器视觉领域的图像分类和目标检测。数据集根据 WordNet… -
RPC 全称 Retail Product Checkout，是一个新零售自动结算场景下的大规模商品数据集。其图像总量（…
-
质量评估研究主要依靠主观实验来提供校准数据和测试机制。所有质量评估研究的目标是做出与人类观察者主观意见一致的预估。LIV…
-
Oxford-IIIT Pets 是一个宠物图像数据集。该数据集涉及 37 个类别（其中犬类 25 类，猫类 12 类）…
-
2021 Hotel-ID 是一个用于酒店识别的数据集。该数据集旨在帮助打击人口贩卖。数据集可帮助追踪被带到相同酒店的当…
4 个公开数据集
49 个公开数据集
-
这是关于彩色图像处理的图像数据集，包含了 18 张裁剪图像，大小为 500×500。该数据集涉及的局部方向插值和非局部自…
-
AIM-500 全称 Automatic Image Matting-500，是第一个自然图像抠图测试集，包含 500 …
-
VIDIT 全称 Virtual Image Dataset for Illumination Transfer，是一个… -
JHU-CROWD++ 是一个大规模人群计数数据集，包含 4372 张图片和 151 万条标注。该数据集是在各种不同的场…
-
FSS-1000 是一个小样本分割的数据集，包含 1000 个类。该数据集探究仅通过 5 张人工标注的图像，训练模型完成…
1 个公开数据集
-
PIPAL 全称 Perceptual Image Processing ALgorithms，是一个感知图像处理算法的…
32 个公开数据集
-
TGIF 全称 Tumblr GIF，是一个关于 GIF 图及其文字描述的数据集。该数据集中的 GIF 图源自 Tumb…
-
Manga109 由日本专业漫画艺术家绘制的 109 卷漫画组成，用于对日本漫画的媒介处理进行学术研究。作者对文字框、话…
-
这是一个具有全面标注的大型服饰数据集。基于此数据集开发的四个 benchmark 分别是 Attribute Predi… -
Synscapes 是一个使用逼真的渲染技术，采用端到端的现实主义方法创建的、用于街道场景解析的合成数据集。它展示了训练…
-
2D-3D Match Dataset 是一个通过利用来自 RGB-D 扫描的几个 3D 数据集实现 2D-3D 对应的…
25 个公开数据集
-
European Flood 2013 是一个关于欧洲洪水的数据集，可用于自然灾害识别训练。 该数据集中的图片是 201…
-
WIT 全称 Wikipedia-based Image Text，是一个大型多模态多语言数据集。该数据集由 3,760…
-
Google Landmarks 谷歌地标数据集，包含来自12,894 个地标的 1,060,709 张图像以及 111…
-
Spot-the-diff 数据集由 13,192 个图像对，以及相应的人工提供的文字标注组成。标注阐述了两个图像之间的…
-
Quick, Draw! Dataset 是 5000 万幅绘画作品的集合，这些作品共有 345 类，由游戏 Quick…
24 个公开数据集
-
SketchyCOCO 是一个大规模的合成数据集。该数据集： 包含了14K+的成对（sketchs - images）的… -
MetFaces 是一个从艺术作品中提取的人脸图像数据集。该数据集由 1336 幅分辨率为 1024 × 1024 的高… -
dSprites 全称 Disentanglement testing Sprites dataset，是一个由 6 个…
-
ACID 是一个空中海岸线图像数据集，其中包含有相机参数丰富的自然场景数据。该数据集包含来自 YouTube 的数千个涉…
-
CUFS 全称 CUHK Face Sketch Database，是一个用于研究人脸素描合成和人脸素描识别。CUFS …
12 个公开数据集
-
BIPED 全称 Barcelona Images for Perceptual Edge Detection，包含 2…
-
BTAD 全称 beanTech Anomaly Detection，是一个真实世界的工业异常 (industrial …
-
PIPAL 全称 Perceptual Image Processing ALgorithms，是一个感知图像处理算法的…
-
GazeFollow 是一个大型数据集，标注了图像中人眼注视的位置，其图像源自几个包含人类图像的数据集： 来自 SUN …
-
HPatches 全称 Homography-patches dataset，是最新的用于 local patch de…
3 个公开数据集
-
VIDIT 全称 Virtual Image Dataset for Illumination Transfer，是一个…
1 个公开数据集
-
CRVD 全称 Captured Raw Video Denoising，是一个动态视频数据集。数据集包含 55 组，I…
3 个公开数据集
19 个公开数据集
-
JHU-CROWD++ 是一个大规模人群计数数据集，包含 4372 张图片和 151 万条标注。该数据集是在各种不同的场…
-
Synscapes 是一个使用逼真的渲染技术，采用端到端的现实主义方法创建的、用于街道场景解析的合成数据集。它展示了训练…
-
2D-3D Match Dataset 是一个通过利用来自 RGB-D 扫描的几个 3D 数据集实现 2D-3D 对应的…
-
iSAID 是一个用于航空图像中实例分割的大规模数据集。它是第一个用于航空图像中实例分割的基准数据集，结合了实例级物体检…
-
DADA-seg 是一个像素级标注的事故数据集。该数据集从基于事件的数据中提取动态背景，以更高的时间分辨率来增强静态的 …
1 个公开数据集
-
RedCaps 是一个大规模的图像-文本对 (image-text pair) 数据集，数据源自 Reddit，总数达 …
55 个公开数据集
-
EgoDexter 数据集为 4 个测试视频序列的 3,190 帧提供了 2D 和 3D 姿态标注。这些视频是用体感相机…
-
SSP-3D 全称 Sports Shape and Pose 3D，是一个评估数据集，由 311 张穿着紧身衣的运动员… -
OCHuman 全称 Occluded Human，是一个用于研究人体姿态的数据集。该数据集包含 5,081 幅图像中1…
-
MPI FAUST 数据集包含 300 次真实的高分辨率人体扫描，涉及 10 个人，涵盖多种姿势及评估方法。该数据集包括…
-
MVOR 全称 Multi-View Operating Room，是在实际临床干预过程中记录的第一个公共数据集。该数据…
28 个公开数据集
-
SIXray 是用于在安全检查中发现的违禁物品的 X 射线图像的数据集。该数据集由 1,059,231 张 X 射线图像… -
PASCAL-5i 是一个用于评估小样本分割的数据集。 该数据集被细分为 4 个部分，每个部分包含 5 个类别，共计 2…
-
Flickr30K Entities 是 Flickr30K 数据集的扩展。Flickr30K Entities 标注了…
-
PASCAL VOC DATASET 由 Pascol VOC 项目组于 2012 年发布，其包含往届 PASCAL V…
-
LVIS 全称 Large Vocabulary Instance Segmentation，是一个用于长尾实例分割的数…
5 个公开数据集
4 个公开数据集
-
JHU-CROWD++ 是一个大规模人群计数数据集，包含 4372 张图片和 151 万条标注。该数据集是在各种不同的场…
-
UCF-QNRF 由弗罗里达大学在 2018 年发布，共包括 1535 张人群图像，其中训练集 1201 张图像，测试集…
-
ShanghaiTech 是一个大规模人群密集计数数据集，由上海科技大学在 2016 年发布，共计包括 1198 张人群… -
CityStreet: Multi-view crowd counting数据集是由香港城市大学提供，包括在旷阔视野的街…
2 个公开数据集
6 个公开数据集
-
CMU-MOSEI 全称 CMU Multimodal Opinion Sentiment and Emotion In…
-
Multi-Domain Sentiment Dataset 是一个多域情感分析数据集，它收集了来自亚马逊平台不同类别产…
28 个公开数据集
-
JAFFE 全称 Japanese Female Facial Expression。该数据集由 213 张人脸表情图像…
-
Oulu-CASIA 全称 Oulu-CASIA NIR&VIS facial expression datab…
-
CK+ 全称 Extended Cohn-Kanade dataset，是一个包含 593 个视频序列的数据集。视频来自…
-
Hateful Memes 是一个用于仇恨言论检测的多模态数据集（图像+文本）。该数据集包含了 Facebook AI …
-
FER2013 全称 Facial Expression Recognition 2013 Dataset，该数据集包含…
8 个公开数据集
-
HuTics 全称 Human Deictic Gestures Dataset，包括 2,040 张图像，展示了人类如…
-
RHD 全称 Rendered Hand Pose，是一个关于手势估计的图像数据集。该数据集包含了 41,258 个训练…
3 个公开数据集
-
这是一个具有全面标注的大型服饰数据集。基于此数据集开发的四个 benchmark 分别是 Attribute Predi…
7 个公开数据集
-
DocBank 是一个文本数据集。数据集包含 50 万个细粒度、词条级别标注的文档页面，用于文档布局分析。数据集使用一种…
-
CMRC 2019 是一个中文机器阅读理解数据集，用于第三届“讯飞杯”中文机器阅读理解评测 (CMRC 2019)。具体…
-
HotpotQA 数据集是一个在英文维基百科上收集的大规模问答数据集，包括 11.3 万个众包问题，要回答这些问题，需要…
-
SAOKE 全称 Symbol Aided Open Knowledge Expression，是一个人工标注数据集，包… -
WikiLinks 维基百科链接数据集是一个将维基百科的全文按段落、短语或段落本身的一部分进行搜索的数据集。该数据集将维…
44 个公开数据集
-
Kuzushiji-Kanji 是一个含有 3,832个汉字（Kanji）字符的不平衡数据集，并且包含了一些极少数、极稀…
-
Referlt3D 数据集适用于 3D visual grounding 及 3D dense captioning 任…
-
WikiLinks 维基百科链接数据集是一个将维基百科的全文按段落、短语或段落本身的一部分进行搜索的数据集。该数据集将维…
-
USPS 全称 United States Postal Service，这是一个数字识别的数据集，数据由美国邮政署自动… -
Book - Crossing Dataset 是由 Book - Crossing 社区的 278858 名用户的评分…
11 个公开数据集
-
Microsoft COCO Captions 数据集为 Microsoft Common Objects in COn… -
DuIE 是一个大规模的人工标注数据集，可用来评估基于架构的知识抽取算法。 该数据集包含超过 21 万个现实世界的中文句…
-
NLPCC2016数据集与流行的新闻数据集不同，使用更多来自新浪微博的非正式文本。训练和测试数据由来自不同主题的微博组成…
-
WikiText 长期依赖语言建模数据集包含 1 亿个英文词汇，其来自于 Wikipedia 优质文章和标杆文章。 该数… -
icwb2-data数据集是由北京大学、香港城市大学、台湾CKIP, Academia Sinica及中国微软研究所联合…
23 个公开数据集
-
TextSeg 是一个大规模文本检测及分割数据集，标注精细、用途广泛。 该数据集包括六种类型的标注：word-、char…
-
Synthetic Chinese String 数据集是一个中文字符识别数据集，包含 360 多万张训练图片，5824…
-
Hateful Memes 是一个用于仇恨言论检测的多模态数据集（图像+文本）。该数据集包含了 Facebook AI …
-
WikiLinks 维基百科链接数据集是一个将维基百科的全文按段落、短语或段落本身的一部分进行搜索的数据集。该数据集将维…
-
Total-Text 是一个文本检测数据集，由 1,555 张图像组成，涵盖超过三种不同的文本方向（水平、多方向和弯曲）…
7 个公开数据集
-
MLe2e 全称 Multi-Language end-to-end，用于评估场景文本端到端阅读系统，以及所有中间阶段，…
1 个公开数据集
-
RedCaps 是一个大规模的图像-文本对 (image-text pair) 数据集，数据源自 Reddit，总数达 …
25 个公开数据集
-
Referlt3D 数据集适用于 3D visual grounding 及 3D dense captioning 任…
-
HoME 全称 Household Multimodal Environment，是一个多模态环境数据集，旨在帮助智能主…
-
VisDial 全称 Visual Dialog，是一个包含基于 MS COCO 数据集图像的人工标注问题的数…
-
DocVQA 是一个关于文档图像信息提取的开放式问答数据集。该数据集在对文件结构理解的问题上进行了改进。数据集包含在 1…
-
HotpotQA 数据集是一个在英文维基百科上收集的大规模问答数据集，包括 11.3 万个众包问题，要回答这些问题，需要…
6 个公开数据集
-
MetaShift 数据集包含涉及 410 个类别的 12,868 组自然图像，可用于衡量和评估机器学习模型对数据转变的…
5 个公开数据集
-
该数据集是一个针对日文漫画的机器翻译评估数据集，包含五种不同风格（幻想、爱情、战斗、悬疑、生活）的漫画，数据集中共包含 …
-
VATEX 全称 Video And TEXt，是一个大型多语言视频描述数据集，包括了 41,250 部视频以… -
BSTC 全称 Baidu Speech Translation Corpus，是一个大型自动同声传译数据集， 用于自动…
-
WMT 2015 French/English parallel texts 是用于训练翻译模型的法语/英语平行文本数据… -
European Parliament Proceedings Parallel Corpus 1996-2011 数据…
2 个公开数据集
-
Cube++ 数据集是 Cube+ 数据集的扩展，主要用于估计光照度进而解决颜色恒定问题。该数据集包含 4,890 张不… -
UAVid 是一个高分辨率无人机语义分割数据集，在大规模变异 (variation)、运动目标识别及时间融合保持 (te…
1 个公开数据集
1 个公开数据集
3 个公开数据集
-
CAMO 全称 Camouflaged Object，专为伪装目标分割 (camouflaged object segm…
-
FBMS-59 全称 Freiburg-Berkeley Motion Segmentation，是一个用于运动分割的数…
207 个公开数据集
-
ImageNet 是目前世界上最大的图像识别数据库，主要用于机器视觉领域的图像分类和目标检测。数据集根据 WordNet…
-
VGG-Face2 Dataset 是一个人脸图片数据集，包含共计 9131 个人的面部数据，图像均来自 Google …
-
DOTA 全称为 A Large-scale Dataset for Object DeTection in Aeria… -
RPC 全称 Retail Product Checkout，是一个新零售自动结算场景下的大规模商品数据集。其图像总量（…
-
ExDark 全称 Exclusively Dark Image Dataset，用于促进弱光环境下的物体检测和图像增强…
38 个公开数据集
-
YouTube-VOS 2018 val 又称 Youtube Video Object Segmentation，是一…
-
LaSOT 全称 Large-scale Single Object Tracking，是一个高质量的大规模单目标跟踪 …
-
CUHK-SYSU 全称 CUHK-SYSU Person Search Dataset，是一个大规模的人员搜索基准，包…
-
TrackingNet 是一个大规模的目标跟踪数据集，由户外视频组成。该数据集包含 30,643 个视频片段，分为 30…
-
UAVDT 全称 Unmanned Aerial Vehicle Benchmark Object Detection …
1 个公开数据集
1 个公开数据集
38 个公开数据集
8 个公开数据集
-
Talk2Car 数据集是一个对象引用数据集，包含了用自然语言为自动驾驶汽车编写的命令，即乘客可以通过说话的形式对自动驾…
-
DiDeMo 全称 Distinct Describable Moments，可用于在给定自然语言描述的情况下，对视频中…
-
Clotho 是一个 audio captioning 数据集。该数据集侧重于音频的内容，以及字幕的多样性，由 4,98… -
DuConv 是一个基于电影和明星领域的数据集，包括票房、导演、评论等信息。 该数据集包括 30k 个对话，大…
-
VQA (v2.0) 全称 Visual Question Answering (v2.0)，是一个人工标注的、关于图像…
1 个公开数据集
-
SemArt 全称 Semantic Art，是一个用于语义艺术理解的多模态数据集。该数据集包含 21,384 张美术绘…
11 个公开数据集
-
GRID 全称 QMUL underGround Re-IDentification Dataset，包含 250 个行…
-
此数据集共涉及 114 个不同的行人，包含 1,824 张图像，分别用两个不相交的摄像机从8个方向拍摄得到。对于每个人，…
-
P-DukeMTMC-reID 是一个遮挡行人数据集。该数据集是从 DukeMTMC-reID dataset 中人工挑…
-
SYSU-MM01 是一个针对可见光-红外光 (Visible-Infrared) 行人重识别的图像数据集。图像由 4 …
-
PRW 全称 Person Re-identification in the Wild，是一个用于在户外视频中进行端到端…
5 个公开数据集
-
PETA 全称 The PEdes Trian Attribute dataset，是用于远距离识别行人属性的图像数据集…
3 个公开数据集
-
GazeFollow 是一个大型数据集，标注了图像中人眼注视的位置，其图像源自几个包含人类图像的数据集： 来自 SUN …
3 个公开数据集
28 个公开数据集
-
ATD-12K 是一个大规模动画三元组数据集，其中包含 12,000 个有丰富标注的三元组。其中训练集包含 10,000…
-
WebVid 是一个大型短视频数据集，该数据集视频多种多样，内容丰富。数据集包含 1000 万个带字幕视频且视频总时长约…
-
LIVE-VQC 是一个大规模视频质量评估数据集。该数据集涉及几个关键维度：独特内容的数量、采集设备、失真类型和失真组合…
-
DeepStab 是一个用于在线视频稳像的数据集。该数据集包含 61 个稳定/不稳定视频对，均通过精心设计的手持设备同步…
-
Vimeo-90K 是一个大规模高质量视频数据集，用于处理低级别视频。 该数据集包含从 vimeo.com下载的 89,…
2 个公开数据集
-
MovieNet 是一个用于电影理解的数据集，包含 1100 部电影，其中具有大量多模态数据，例如预告片、照片、情节描述…
1 个公开数据集
-
CRVD 全称 Captured Raw Video Denoising，是一个动态视频数据集。数据集包含 55 组，I…
1 个公开数据集
-
LiTS17 是一个肝脏肿瘤分割 benchmark，数据和分割由世界各地的临床站点提供。训练数据集包含 130 张 C…
57 个公开数据集
-
SUIM 全称 Segmentation of Underwater IMagery，可用于自然水下图像的语义分割。该数…
-
Toronto-3D 是一个用于语义分割的大型城市户外点云数据集。这种大规模标记数据集由加拿大多伦多 MLS 系统获取，…
-
该数据集包含 715 张带有标注的 RGB 图像。这些图像均是室外场景，至少包含一个前景对象，大小约为 320 X 24…
-
UAVid 是一个高分辨率无人机语义分割数据集，在大规模变异 (variation)、运动目标识别及时间融合保持 (te…
-
全程 2D-3D-Semantic，是一个大型室内空间图像数据集，涉及的室内面积高达 6,000 平方米，包含超过 70…
2 个公开数据集
2 个公开数据集
-
MultiSense 是一个包含 9,504 幅图像的数据集，使用了英语、德语和西班牙语动词对这些图像进行了标注。
21 个公开数据集
-
AVSpeech是一个新的、大规模的视听数据集，包括没有干扰的背景噪音的语音视频片段。这些片段的长度为 3-10 秒，在…
-
BSTC 全称 Baidu Speech Translation Corpus，是一个大型自动同声传译数据集， 用于自动…
-
这是一个大规模且与文本无关的声纹识别数据集，包含来自 YouTube 视频中 1,251 位名人的 10 万条语音。 示…
-
VoxCeleb2 是一个源自开源媒体的大规模说话人 (Speaker) 识别数据集，由超过 6 千名说话者的一百万条语…
-
VoxForge 是开源语音识别引擎的语音语料库和声学模型库，该数据集由 VoxForge 发布，其创建的初衷是为免费和…
16 个公开数据集
-
Perceptual Similarity 是一个关于人类感知相似性判断的数据集。该数据集系统地评估了不同架构和任务的深…
-
MSU Video Super Resolution Benchmark 是一个用于视频超分辨率任务的数据集。数据集包含…
-
REDS 全称 The REalistic and Diverse Scenes，是一个提供了现实和动态场景的数据集，可…
-
Vimeo-90K 是一个大规模高质量视频数据集，用于处理低级别视频。 该数据集包含从 vimeo.com下载的 89,…
-
GoPro 数据集是一个用于去模糊任务的数据集。 该数据集包括 3,214 张大小为 1,280×720 的模糊图像，其…
6 个公开数据集
3 个公开数据集
2 个公开数据集
3 个公开数据集
1 个公开数据集
1 个公开数据集
4 个公开数据集
13 个公开数据集
-
TUT Acoustic Scenes 2017 包含一组来自不同声学场景的录音，均来自不同的地点。每个录音地点都包括 …
-
URMP 全称 University of Rochester Multi-Modal Musical Performa…
-
Music21 是一个未经修剪的视频数据集，通过关键字从 YouTube 爬取。它包含 21 个类别的音乐表演，数据质量…
-
FSDKaggle2018 是一个音频数据集，可用于音频标注、声源分离等任务。该数据集包含 11,073 个音频文件，并…
-
MovieNet 是一个用于电影理解的数据集，包含 1100 部电影，其中具有大量多模态数据，例如预告片、照片、情节描述…
54 个公开数据集
-
Q-Traffic是一个大规模的交通预测数据集，包括三个子集： query sub-dataset：采集自百度地图，包含…
-
Silhouettes 又称 CalTech 101 Silhouettes，是一个基于 CalTech 101 图像标…
-
Moving MNIST 数据集包含 10,000 个视频序列，每个序列由 20 帧组成。 在每个视频序列中，两个数字在… -
Book - Crossing Dataset 是由 Book - Crossing 社区的 278858 名用户的评分…
-
Million Song 数据集的核心数据是 The Echo Nest 发布的 Taste Profile 子集，它由…
3 个公开数据集