來源：http://suo.im/6xbqoU
大學公開數據集
- (Stanford)69G大規模無人機(校園)圖像數據集【Stanford】
- http://cvgl.stanford.edu/projects/uav_data/
- 人臉素描數據集【CUHK】
- http://mmlab.ie.cuhk.edu.hk/archive/facesketch.html
- 自然語言推理(文本蘊含標記)數據集【NYU】
- https://www.nyu.edu/projects/bowman/multinli/
- Berkeley圖像分割數據集BSDS500【Berkeley】
- https://www2.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/resources.html
- 寵物圖片(分割)數據集【Oxford】
- http://www.robots.ox.ac.uk/~vgg/data/pets/
- 發佈ADE20K場景感知/解析/分割/多目標識別數據集【MIT】
- https://groups.csail.mit.edu/vision/datasets/ADE20K/
- 多模態二元行為數據集【GaTech】
- http://www.cbi.gatech.edu/mmdb/
計算機視覺／圖像／視頻數據集
- Fashion-MNIST風格服飾圖像數據集【肖涵】
- https://github.com/zalandoresearch/fashion-mnist
- 大型(50萬)LOGO標誌數據集
- https://data.vision.ee.ethz.ch/cvl/lld/
- 4D掃描(60fps移動非剛性物體3D掃描)數據集【D-FAUST】
- http://dfaust.is.tue.mpg.de
- 基於MNIST的視覺計數合成數據集Counting MNIST
- http://fomoro.com/tools/counting-mnist/
- YouTube MV視頻數據集【Keunwoo Choi】
- https://github.com/keunwoochoi/YouTube-music-video-5M
- 計算機視覺合成數據集/工具大列表【unrealcv】
- https://github.com/unrealcv/synthetic-computer-vision
- 動物屬性標記數據集【ChristophH. Lampert／Daniel Pucher／JohannesDostal】
- http://cvml.ist.ac.at/AwA2/
- 日本漫畫數據集Manga109
- http://dl.acm.org/citation.cfm?doid=3011549.3011551
- 俯拍舞蹈視頻數據集
- http://homepages.inf.ed.ac.uk/rbf/CEILIDHDATA/
- Pixiv(著色)圖片數據集【Jerry Li】
- https://github.com/jerryli27/pixiv_dataset
- e-VDS視頻數據集
- https://engineering.purdue.edu/elab/eVDS/#download
- Quick, Draw!簡筆畫塗鴉數據集
- https://github.com/googlecreativelab/quickdraw-dataset
- 簡筆畫塗鴉數據集【hardmaru】
- https://github.com/hardmaru/sketch-rnn-datasets
- 服飾人像生成模型(&Chictopia10K[HumanParsing]時尚人像解析數據集)【Christoph Lassner／Gerard Pons-Moll／Peter V. Gehler】
- http://files.is.tue.mpg.de/classner/gp/
- COCO像素級標註數據集
- https://github.com/nightrome/cocostuff
- 大規模街道級圖片(分割)數據集【Peter Kontschieder】
- http://blog.mapillary.com/product/2017/05/03/mapillary-vistas-dataset.html
- 大規模日語圖片描述數據集
- https://github.com/STAIR-Lab-CIT/STAIR-captions
- Cityscapes街景語義分割數據集（50城30類5k細標20k粗標圖片及標記視頻）
- https://github.com/mcordts/cityscapesScripts
- (街頭)時尚服飾數據集(2000+標註圖片)
- https://github.com/bearpaw/clothing-co-parsing
- PyTorch實現的VOC2012數據集Pixel-wise目標分割【BodoKaiser】
- https://github.com/bodokaiser/piwise
- Twenty Billion Neurons對象複雜運動與交互視頻數據集【Nikita Johnson】
- https://www.re-work.co/blog/the-something-something-video-dataset
文本／評價／問答／自然語言數據集
- (20萬)英文笑話數據集【TaivoPungas】
- https://github.com/taivop/joke-dataset
- 機器學習保險行業問答開放數據集【HainWang】
- https://github.com/shuzi/insuranceQA
- 保險行業問答(QA)數據集【Minwei Feng】
- https://github.com/shuzi/insuranceQA
- Stanford NLP發佈新的多輪、跨域、任務導向對話數據集【Mihail Eric】
- https://github.com/keunwoochoi/YouTube-music-video-5M
- 實體/名詞語義關係標記數據集【David S. Batista】
- https://github.com/davidsbatista/Annotated-Semantic-Relationships-Datasets
- NLVR：自然語言基礎數據集(對象分組、數量、比較及空間關係推理)
- http://lic.nlp.cornell.edu/nlvr/
- 2.8萬文章/10萬問題大規模(英語考試)閱讀理解數據集
- https://github.com/qizhex/RACE_AR_baselines
- 錯誤拼寫數據集
- http://www.dcs.bbk.ac.uk/~ROGER/corpora.html
- 文本簡化數據集
- http://www.cs.pomona.edu/~dkauchak/simplification/
- 英語詞/句/語義框架框架標註數據集FrameNet
- https://framenet.icsi.berkeley.edu/fndrupal/
- (又一個)自然語言處理(NLP)數據集列表【Nicolas Iderhoff】
- https://github.com/niderhoff/nlp-datasets
- 跨語種/多樣式/多粒度文本相似性檢測數據集
- https://github.com/FerreroJeremy/Cross-Language-Dataset
- Quora數據集：400000行潛在重複問題
- http://qim.ec.quoracdn.net/quora_duplicate_questions.tsv
- 文本分類數據集
- http://disi.unitn.it/moschitti/corpora.htm
- Frames：Maluuba對話數據集
- https://datasets.maluuba.com/Frames/dl
- 跨域(Amazon商品評論)情感數據集
- http://www.cs.jhu.edu/~mdredze/datasets/sentiment/
- 語義網機器學習系統評價/基準數據集集合
- http://dws.informatik.uni-mannheim.de/en/research/a-collection-of-benchmark-datasets-for-ml
其它數據集
- 數據科學/機器學習數據集彙總
- https://elitedatascience.com/datasets
- CORe50：連續目標識別數據集【VincenzoLomonaco&DavideMaltoni】
- https://vlomonaco.github.io/core50/
- (Matlab)數據集統計分佈自動發現【Isabel Valera】
- http://proceedings.mlr.press/v70/valera17a.html
- (建築物)損害評估數據集【tsunami】
- https://github.com/faiton713/ABCDdataset
- IndieWeb社交圖譜數據集【IndieWeb】
- http://www.indiemap.org
- DeepMind開源環境/數據集/代碼集合【DeepMind】
- https://deepmind.com/research/open-source/
- 鳥叫聲數據集【xeno-canto】
- http://www.xeno-canto.org
- Wolfram數據集倉庫
- https://datarepository.wolframcloud.com
- 大型音樂分析數據集FMA
- https://github.com/mdeff/fma
- (300萬)Instacart在線雜貨購物數據集【Jeremy Stanley】
- https://tech.instacart.com/3-million-instacart-orders-open-sourced-d40d29ead6f2
- 用於欺詐檢測的合成財務數據集【TESTIMON】
- https://www.kaggle.com/ntnu-testimon/paysim1
- NSynth：大規模高質量音符標記音頻數據集
- https://magenta.tensorflow.org/datasets/nsynth
- LIBSVM格式分類/迴歸/多標籤/字符串數據集
- https://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/binary.html
- 筆記本電腦用logistic迴歸擬合100G數據集【DmitriySelivanov】
- http://dsnotes.com/post/2017-02-07-large-data-feature-hashing-and-online-learning-part-2/
- StackExchange近似/重複問題數據集
- http://nlp.cis.unimelb.edu.au/resources/cqadupstack/
- 2010-2017最全KDD CUP賽題回顧及數據集
- http://suo.im/2kRoQ1
- 食譜數據集：帶有評級、營養及類別信息的超過2萬種食譜【HugoDarwood】
- https://www.kaggle.com/hugodarwood/epirecipes
- 奧斯卡數據集【Academy of Motion Picture Arts and Sciences】
- https://www.kaggle.com/theacademy/academy-awards
- 計算醫療庫：(TensorFlow)大型醫療數據集分析與機器學習建模【AkshayBhat】
- https://github.com/AKSHAYUBHAT/ComputationalHealthcare
- 聚類數據集
- https://cs.joensuu.fi/sipu/datasets/
- 官方開放氣候數據集
- https://pan.baidu.com/s/1i52Xarb
- 全球恐怖襲擊事件數據集【START Consortium】
- https://www.kaggle.com/START-UMD/gtd
- 七個機器學習時序數據集
- https://machinelearningmastery.com/time-series-datasets-for-machine-learning/
- 大型眾包關係數據庫自然語言查詢語義解析數據集(8萬+查詢樣本)
- http://t.cn/RNMr09n
- 賽馬賠率數據集
- http://t.cn/RNf0tXN
- 新的YELP數據集：包含470萬評論和15.6萬商家
- http://t.cn/RNG6JYi
- JMIR數據集專刊《JMIR Data》
- http://t.cn/RCIhmvS
- 日文木版印刷文字識別數據集
- http://t.cn/RCZPfYB
- 多模態二元行為數據集
- http://t.cn/RCzFn1g
- 機器學習論文/數據集/工具集錦(日文)
- http://t.cn/RKV7x2A
- 機器學習公司的十大數據蒐集策略
- http://t.cn/R54rtvd
- NLP數據集加載工具集
- http://t.cn/RaYwYXl
- 日語相似詞數據集
- http://t.cn/RaVFV35
- 大規模人本完形填空(多選閱讀理解)數據集
- http://t.cn/Rac2Pey
- 高質量免費數據集列表
- http://t.cn/R6B1aqa
- 《數據之美》自然語言數據集/代碼
- http://t.cn/hBOTM4
- 微軟數據集MS MARCO，閱讀理解領域的「ImageNet」
- http://t.cn/RIMqGBK
- AI2科學問答數據集(多選)
- http://t.cn/RI5liwJ
常用圖像數據集大全
（分類，跟蹤，分割，檢測等）
- 搜狗實驗室數據集：
- http://www.sogou.com/labs/dl/p.html
- 互聯網圖片庫來自sogou圖片搜索所索引的部分數據。其中收集了包括人物、動物、建築、機械、風景、運動等類別，總數高達2,836,535張圖片。對於每張圖片，數據集中給出了圖片的原圖、縮略圖、所在網頁以及所在網頁中的相關文本。200多G。
- http://www.imageclef.org/
- IMAGECLEF致力於為圖片相關領域提供一個基準（檢索、分類、標註等等） Cross Language Evaluation Forum (CLEF) 。從2003年開始每年舉行一次比賽。
- http://staff.science.uva.nl/~xirong/index.php?n=Main.Dataset
分享到:
閱讀更多 帥帥的Python 的文章
