7 个公开数据集
KITTI 是一套计算机视觉算法评测数据集，其主要用于自动驾驶场景下的相关测试，评测种类涵盖立体图像、光流、视觉测距、3…
PASCAL 3D+ 是一个 3D 物体检测和姿态识别数据集，包括 PASCAL VOC 2012 中 12 个类别物体…- MPII Human Shape 是一个人体模型数据集，包括一系列人体轮廓和形状的 3D 模型及工具，其中训练模型从平面…
ModelNet 数据集共有 662 种目标分类，127915 个 CAD 模型，以及 10 类标记过方向的数据，旨在为…
Cityscapes 数据集包含 50 个不同城市街景中记录的视频序列，其中包含 20000 个弱注释帧和 5000 帧…
39 个公开数据集
- Notre Dame Dataset 是由巴黎圣母院大教堂的 715 张图像重建组成的数据集，其由 Photo Tour…
Rome 16K Dataset 是用于 SfM 重建的图像集合，其专门设计了用于 2D 和 3D 匹配的算法，因此该数…- Alamo Dataset 是用于三维建模的图片数据集，其利用平均极线几何求解运动问题中的结构。 该数据集由康奈尔大学于…
- Ellis Island Dataset 是用于三维建模的图片数据集，其利用平均极线几何求解运动问题中的结构。 该数据集…
- Madrid Metropolis Dataset 是用于三维建模的图片数据集，其利用平均极线几何求解运动问题中的结构。…
7 个公开数据集
Finding lungs in CT 是基于肺部 CT 影像分割处理的数据集，其包含一系列 CT 影像中对肺部影像的分…- TCGA - CESC 癌症 CT 影像是宫颈鳞状细胞癌和子宫颈腺癌相关的数据集，其包含来自 307 人共 8595 个…
- TCGA - ESCA 癌症 CT 影像是食道癌相关的数据集，其包含来自 185 人共 5271 个数据文件，该数据集旨…
- TCGA - KICH 癌症 CT 影像是腺瘤和腺癌相关的数据集，其包含来自 113 人共 2325 个数据文件，该数据…
图像分类
图像分类描述
27 个公开数据集
Tiny Images Dataset 是一个微小图像数据集，包含 79,300,000 张 32*32 像素的彩色图像…
MNIST Dataset 是一个手写数字数据集，其包含 60,000 个示例训练集和 10,000 个示例测试集，它主…- ImageNet Dataset 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，根据 Wo…
LSUN Dataset 是一个大规模图像数据集，其基于人类在循环中进行深度学习的构建，包含 10 个场景类别和 20 …- LSUN 20 Object Categories Dataset 是一个大规模图像数据集，其基于人类在循环中进行深度学…
1 个公开数据集
- Amazon Robotics Challenge 2017 Datasets 包含 Image Matching Da…
3 个公开数据集
- COCO 是一个大型图像数据集，其被用于机器视觉领域的对象检测与分割、人物关键点检测、填充分割与字幕生成。该数据集以场景…
- NYU Depth V2 是各种室内场景视频序列组成的数据集，主要用于图像描述研究，其图像来自于 Microsoft K…
2 个公开数据集
- TWDNE（This Waifu Does Not Exist）包含 10 万+二次元动漫头像及通过 StyleGAN …
8 个公开数据集
- COCO 是一个大型图像数据集，其被用于机器视觉领域的对象检测与分割、人物关键点检测、填充分割与字幕生成。该数据集以场景…
- MVTec ITODD 是用于 3D 物体检测和姿态估计的公共数据集，其重点关注工业设置和应用，该数据集由 28 个对象…
Leeds Sports Pose 是一个体育姿势数据集，其被分为竞技、羽毛球、棒球、体操、跑酷、足球、排球和网球几类，…
FLIC 是从电影的帧中标记人物的图像数据集，其包含从主流好莱坞电影中收集的 5003 张图像。 训练图像来源于 30 …- MPII 是用于评估人体姿势估计的数据集以及相关基准，拥有约 2.5 万张图像并且包含超过 4 万名具有注释关节的人，该…
6 个公开数据集
- KITTI 是一套计算机视觉算法评测数据集，其主要用于自动驾驶场景下的相关测试，评测种类涵盖立体图像、光流、视觉测距、3…
- BDD Dataset 是一个视频数据集，其包含的 100,000 个高清视频序列时长超过 1100 小时，涵盖不同时间…
PASCAL VOC DATASET 由 Pascol VOC 项目组于 2012 年发布，其包含往届 PASCAL V…- BDD Dataset 是一个视频数据集，其包含的 100,000 个高清视频序列时长超过 1100 小时，涵盖不同时间…
Apollo Scape 是一个像素级标注的场景解析数据集，来源于阿波罗自动驾驶项目中，其旨在促进自动驾驶方面的创新。 …
9 个公开数据集
HetRec 2011 – Last.FM 2k Dataset 包含来自 Last.fm 的一组 2K 用户社交网络、…- Book - Crossing Dataset 是由 Book - Crossing 社区的 278858 名用户的评分…
- Jester 是由 73421 名用户对 100 个笑话的评分组成的数据集，其包含共计 410 万条连续评分（分数从 -…
- Open Payments Dataset 是一项纪录向医生和教学医院的支付数据、价值转移，以及医生投资利益和所有权的数…
- Netflix 电影评价数据集包含来自 48 万用户对 1.7 万部电影的评价数据，评价数超过 100 万条，数据采集的…
20 个公开数据集
- Amazon Reviews - Polarity Dataset 是 Amazon Reviews - Full Da…
- Amazon Reviews - Full Dataset 包含 34,686,770 条商品评论，包含 6,643,6…
- AclImdb - v1 Dataset 是用于二进制情绪分类的大型电影评论数据集，其涵盖比基准数据集更多的数据，其中有…
Reuters - 21578 Dataset 是用于文本分类研究的测试集合，它是一个多类、多标签数据集，其有望在未来几…
Spambase Dataset 是一个垃圾邮件数据集，其包含 57 个属性和 4601 个实例，该数据集主要用于垃圾邮…
3 个公开数据集
Legal Case Reports 是澳大利亚联邦法院的案件数据集，主要用于文本摘要。 该数据集包含 2006 年至 …- 20 Newsgroups 是由约 20,000 个新闻文档组成的数据集，目前已经成为机器学习中文本应用实验的流行数据集…
3 个公开数据集
MSRA - TD500 图像数据集被用于评估文本检测算法基准，它包含多种类和多国语言的 500 张自然图像，分别是 3…- SynthText 数据集由包含单词的自然场景图像组成，其主要运用于自然场景中的文本检测，该数据集由 80 万个图像组成…
3 个公开数据集
- Amazon Fine Food Reviews 是由亚马逊的食品评论组成的数据集，其包含截止 2012 年 10 月在…
8 个公开数据集
Question Answer Dataset 是结合维基百科文章语料库的链接，并手动生成仿真问题和答案以供学术研究的问…- SQuAD（The Stanford Question Answering Dataset） 是一组阅读数据集，该数据集…
- MSMARCO 是机器阅读理解数据集，其包含的 1,010,916 个匿名问题均来自 Bing 的搜索查询日志，日志中均…
- Maluuba News QA 是一种用于机器阅读理解的数据集，其包含开发能够回答人类问题和推理问题的相关算法，该数据集…
CBT 数据集由文字段落和相应问题构建，问答数据均来自古腾堡项目免费提供的书籍，该数据集用于直接测量语言模型、更广泛的语…
2 个公开数据集
European Parliament Proceedings Parallel Corpus 1996-2011 数据…
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…
38 个公开数据集
- Place365-Challenge-2016数据集为Place365-Standard数据集的扩充版，包含了620万张…
- Place365-Standard数据集是由MIT发布，帮助场景分类的数据集。该数据集包括180万张训练照片来自于365…
- Places-Extra69数据集为Place365数据集的额外扩充版，包含69种额外场景分类。该数据集包括98721张…
- Flickr1024数据集是一个大型的图像数据集，由1024个高质量的图像对组成，涵盖了各种各样的场景。该数据集可用于图…
- VERI-Wild数据集是从一个大型闭路电视监控系统中跨越一个月（30×24h）捕获的，该系统由174个摄像机组成，分布…
3 个公开数据集
- L Lyft L5自动驾驶数据集是由Lyft公司提供的L5级别自动驾驶数据集，目前仅提供训练集的下载。该数据集包含高质量…
- Monocular MoCap数据集是由CMU卡内基梅隆大学提供，包含40个对象在多个摄像头下的3D模型数据。该数据集录…
- Argoverse数据集包含 3D Tracking 和 Motion Forecasting两部分，Argoverse…
54 个公开数据集
- Tiny Images Dataset 是一个微小图像数据集，包含 79,300,000 张 32*32 像素的彩色图像…
- BDD Dataset 是一个视频数据集，其包含的 100,000 个高清视频序列时长超过 1100 小时，涵盖不同时间…
- ImageNet Dataset 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，根据 Wo…
- LSUN Dataset 是一个大规模图像数据集，其基于人类在循环中进行深度学习的构建，包含 10 个场景类别和 20 …
- 扩展的耶鲁人脸数据库 B 是一个人脸数据集，主要用于身份鉴定，其包含 28 个人类对象在 64 种照明条件下的 9 种姿…
23 个公开数据集
- 扩展的耶鲁人脸数据库 B 是一个人脸数据集，主要用于身份鉴定，其包含 28 个人类对象在 64 种照明条件下的 9 种姿…
- YouTube - 8M 是一个带标签的大型视频数据集，它由数百万个 YouTube 视频 ID 组成，包含的 3800…
- SVHN Dataset 是一个真实图像数据集，其被用于开发机器学习和对象识别算法，七对数据预处理和格式化的要求很低，该…
- ADE20K Dataset 是用于场景解析的数据集，其包含 150 中物体类型，可被用于场景感知、解析、分割、多物体识…
Caltech-101 Dataset 是由 101 个类别的对象图片组成的数据集，它主要用于目标识别和图像分类。不同类…
11 个公开数据集
- KITTI 是一套计算机视觉算法评测数据集，其主要用于自动驾驶场景下的相关测试，评测种类涵盖立体图像、光流、视觉测距、3…
- YouTube - 8M 是一个带标签的大型视频数据集，它由数百万个 YouTube 视频 ID 组成，包含的 3800…
- Dataset-UAV-123 是由低空无人机捕获视频组成的数据集，这与 OTB50、VOT2014 等主流跟踪数据集中…
Comma.ai Dataset 是一个用于自动驾驶的视频数据集，其包含共计 7.25 小时的视频，该数据集包含 10 …- Udacity Dataset 是一套带注释的图片数据集，主要用于自动驾驶，其包含的两个子数据集分别有 9423 和 1…
29 个公开数据集
- LMD-full数据集全称为The Lakh MIDI Dataset v0.1完整版，该数据集有超过17万个独一的MI…
- 该数据集由科罗拉多州丹佛市提供，包括了过去四年及今年丹佛市警方对于行人与车辆的停靠记录。该数据集包括时间、地点、问题、描…
- 该数据集由科罗拉多州丹佛市提供，包括了过去五年中丹佛市的犯罪记录。这些数据都是基于美国国家事件报告系统（NIBRS），且…
- 此数据集包含纽约市官方工作网站上提供的当前职位发布，包括对于城市员工内部发布的工作和对于大众公开发布的工作。这是纽约市主…
- 环境修复站点是指根据DEC补救计划之一进行修复的区域，该环境整治站点数据集是由美国纽约州发布整理，包含已被修复或正在管理…
12 个公开数据集
- 该数据集包含3个领域的1225个单词的类比。具体内容有687个国家首都类词语，175个城市省份类词语和240个家庭关系类…
- UD-Chinese-GSD数据集是中文繁体自然语言处理数据集，用以中文分词等工作的训练，也可用作多语言编译器开发及跨语…
- wordsim-240数据集为词向量数据集，向量表征了每个词的单词的句法和语义信息，这些信息可用于解决各种NLP任务。该…
- wordsim-297数据集为词向量数据集，向量表征了每个词的单词的句法和语义信息，这些信息可用于解决各种NLP任务。该…
- 该数据集包括了四个领域的中文评论：笔记本电脑、汽车、相机和手机，评论属于二分类任务及正面或负面。可被用作于自然语言处理中…
1 个公开数据集
- Collective Activity 是一个集体活动的短视频数据集，它包含 5 种不同的集体活动，分别为交叉、步行、等…
1 个公开数据集
UCF-101 是从 YouTube 收集的具有 101 个动作类别的数据集，它是具有 50 个动作类别数据集 UCF-…
43 个公开数据集
- KITTI 是一套计算机视觉算法评测数据集，其主要用于自动驾驶场景下的相关测试，评测种类涵盖立体图像、光流、视觉测距、3…
- YouTube - 8M 是一个带标签的大型视频数据集，它由数百万个 YouTube 视频 ID 组成，包含的 3800…
- PASCAL VOC DATASET 由 Pascol VOC 项目组于 2012 年发布，其包含往届 PASCAL V…
Set5，Set14 Dataset 是基于非负邻域嵌入的低复杂度单图像超分辨率的数据集，该训练集被用于单幅图像超分辨率…
Sunnybrook Cardiac Dataset 又称 2009 年心脏 MR 左心室分割挑战数据集，被用于心脏病研…
6 个公开数据集
- Stanford Sentiment Treebank 是一个标准情感数据集，主要用于情感分类，其中每个句子分析树的节点…
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…
布朗语料库是美国英语的首个文本语料库，它取自不同主题的报纸文本、书籍以及政府文件，包含 1,014,312 个单词的它主…- 1 Billion Word Language Model Benchmark R13 Output 是一套新的基准语料…
- DBPedia Ontology 由 14 个不重叠分类的 40000 个训练样本和 5000 个测试样本组成，其使用来…
12 个公开数据集
TIMIT 数据集由 8 种主要美国英语方言共 630 个录音片段组成，其中每个方言都有 10 个语音丰富的句子。 TI…- LibriSpeech ASR corpus 语料库是由 Vassil Panayotov 在 Daniel Povey…
- Last.fm 是一个歌曲数据集，它包含最大的歌曲级别标签和预先计算的歌曲级别相似性研究。 所有的数据都与 MSD 歌…
- Million Song 数据集的核心数据是 The Echo Nest 发布的 Taste Profile 子集，它由…
- OpenMIIR 是基于音乐感知和想象中拍摄的脑电图（EEG）录音的公共领域数据集。 该数据记录了 10 名测试者在被试…
5 个公开数据集
- Set5，Set14 Dataset 是基于非负邻域嵌入的低复杂度单图像超分辨率的数据集，该训练集被用于单幅图像超分辨率…
- Urban100 包含了具挑战性的城市景色，具有不同频带的细节。 对真实图像利用双三次插值进行降尺度可以得到 LR/HR…
- Sun-Hays 80 Dataset 是被用于超分辨率图像研究的数据集，它利用全局场景描述在图像数据库进行相关场景的比…
- BSDS 500 是用于轮廓检测和语义分割研究的数据集，包含从 30 个人类受试者中收集的 12000 个由手工标记的 …