开源数据集

开源生物识别数据：OpenBR | Home

Google Audioset：扩展了 632 个音频分类样本，并从 YouTube 视频中提取了 2，084，320 个人类标记的 10 秒声音片段。
地址：https://research.google.com/audioset/

Uber 2B trip data：首次展示 2 百万公里的出行数据。
地址：https://movement.uber.com/cities

Yelp Open Dataset：Yelp 数据集是用于 NLP 的 Yelp 业务、评论和用户数据的子集。
地址：Yelp Dataset

Core50：用于连续目标识别的新数据集和基准。
地址：CORe50

Kaggle 数据集：Find Open Datasets and Machine Learning Projects | Kaggle

Data Portal：- Data Portals

Open Data Monitor：OpenDataMonitor

Quandl Data Portal：Nasdaq Data Link

Mut1ny 头部/面部分割数据集：http://www.mut1ny.com/face-headsegmentation-dataset

Github 上的优秀公共数据集：Awesome Public Datasets on GitHub - KDnuggets

头部 CT 扫描数据集：491 次扫描的 CQ500 数据集。
地址：Qure.ai HeadCT Study

自然图像数据集

MNIST：手写数字图像。最常用的可用性检查。格式 25x25、居中、黑白手写数字。这是一项简单的任务——仅某部分适用于 MNIST，不意味着它有效。
地址：MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges

CIFAR10 / CIFAR100：32x32 彩色图像，10/100 类。虽然仍有趣却不再常用的可用性检查。
地址：CIFAR-10 and CIFAR-100 datasets

Caltech 101：101 类物体的图片。
地址：http://www.vision.caltech.edu/Image_Datasets/Caltech101/

Caltech 256：256 类物体的图片。
地址：http://www.vision.caltech.edu/Image_Datasets/Caltech256/

STL-10 数据集：用于开发无监督特征学习、深度学习、自学习算法的图像识别数据集。像修改过的 CIFAR-10。
地址：STL-10 dataset

The Street View House Numbers (SVHN)：Google 街景中的门牌号码。可以把它想象成复现的户外 MNIST。
地址：The Street View House Numbers (SVHN) Dataset

NORB：玩具摆件在各种照明和姿势下的双目图像。
地址：NORB Object Recognition Dataset, Fu Jie Huang, Yann LeCun, New York University

Pascal VOC：通用图像分割/分类——对于构建真实世界图像注释不是非常有用，但对基线很有用。
地址：http://pascallin.ecs.soton.ac.uk/challenges/VOC/

Labelme：带注释图像的大型数据集。
地址：LabelMe. The Open annotation tool

ImageNet：新算法的客观图像数据集（de-facto image dataset）。许多图像 API 公司都有来自其 REST 接口的标签，这些标签近 1000 类;WordNet; ImageNet 的层次结构。
地址：ImageNet

LSUN：具有很多辅助任务的场景理解（房间布局估计，显著性预测（saliency prediction）等），有关联竞赛。（associated competition）。
地址：http://lsun.cs.princeton.edu/2016/

MS COCO：通用图像理解/说明，有关联竞赛。
地址：http://mscoco.org/

COIL 20：不同物体在 360 度旋转中以每个角度成像。
地址：