数据挖掘-机器学习-深度学习常用数据集

0.0 数据源

大的数据收录网站

• github awesome-public-datasets
• skymind open dataset : 保罗万象的数据集搜集网，什么类型的数据都有

0.1 普通数据集

即被交付给的原始数据集

0.2 公开数据集

0.2.1 离散和连续型普通数据集

• uci数据集 :一个公开的用于机器学习的数据集，包含几乎所有类别数据，适用于多种机器学习任务
• 政府公开数据集
  • 欧洲政府公开数据集
  • 美国政府公开数据集
  • 新西兰政府公开数据集
  • 印度政府公开数据集
  • 中国人民银行,社会融资规模、金融统计数据、货币统计、金融机构信贷收支统计、金融市场统计、企业商品价格指数等
  • 国内各类型银行业金融机构
  • 中国国家统计局
  • 数据_中国政府网

0.2.2 图像数据集

图像分类

• 手写字识别MNIST，60000万张分辨率为28x28，数字0-9灰白图识别
• CIFAR-10,6万张分辨率为32x32的10个分类的彩色分类图像
• ImageNet 1400万张，1000多个类别的分类图像，深度学习图像领域的关键比赛数据
• coco 微软组织的图像数据，包含了多种图像任务数据

目标检测

• coco 微软组织的图像数据，包含了多种图像任务数据
• PASCAL VOC

目标跟踪

• OTB50和OTB100
• VOT2013-2019

语义分割

• PASCAL VOC:分割任务中VOC2012的trainval包含07-11年的所有对应图片， test只包含08-11。trainval有 2913张图片共6929个物体
• Cityscapes 城市道路分割：该数据集包含images_base和annotations_base分别对应这文件夹leftImg8bit（5,030 items, totalling 11.6 GB，factually 5000 items）和gtFine（30,030 items, totalling 1.1 GB）。里面都包含三个文件夹：train、val、test。总共5000张精细释，2975张训练图，500张验证图和1525张测试图。在leftImg8bit/train下有18个子文件夹对应德国的16个城市，法国一个城市和瑞士一个城市
• CamVid：城市街道分割
• KITTI：移动机器人及自动驾驶研究的最受欢迎的数据集之一，包含7481张训练集，7518张测试集，总计80.256种标签。该网站也列出了历年的分割结果以及对应的方法。
• ADE20K_MIT：场景理解的新的数据集包括各种物体（比如人、汽车等）、场景（天空、路面等），150个类别，22210张图。
• Sift Flow Dataset: 包含2688张图片，33个labels，包括Awning（棚） balcony（阳台） bird（鸟） boat（船） bridge（桥）Building（建筑）等每一类都有百张左右。
• Stanford Background Dataset:包含从现有公共数据集中选择的715个图像，具有大约320×240像素，包含label种类：天空，树，道路，草，水，建筑物，山脉和前景物体.
• MSRC Dataset:240个图像，可识别9个object class。
• LIP:人体图像是从microsoft coco训练集和验证集中裁剪的。定义了19个人体部件或衣服标签，它们是帽子、头发、太阳镜、上衣、衣服、外套、袜子、裤子、手套、围巾、裙子、连体裤、脸、右臂、左臂、右腿、左腿、右脚、右脚鞋、左鞋，以及背景标签。数据集中共有50462张图像，其中包括19081张全身图像、13672张上身图像、403张下身图像、3386张头部丢失的图像、2778张后视图图像和21028张有遮挡的图像。
• Mapillary Vistas Dataset:25,000个高分辨率图像（分为18,000个用于训练，2,000个用于验证，5,000个用于测试）.152个物体类别，100个特定于实例的注释类别。一个多样化的街道级图像数据集，具有像素精确和特定于实例的人类注释，用于理解世界各地的街景。
• MIT SceneParse150:MIT场景解析基准（SceneParse150）为场景解析算法提供标准的训练和评估平台。 该基准测试的数据来自ADE20K数据集。
• COCO 2017 Stuff Segmentation Challenge:COCO 2019 图像分割挑战赛。COCO数据集非常全面，可以从其官方网站下载各类图像任务数据集。
• INRIA Annotations for Graz-02:2006年发布的数据集，包含人、自行车、汽车三类，合计超过2000张。
• Clothing Co-Parsing (CCP) Dataset:衣服分割图片，2098张高分辨率街头时尚照片，共59个标签。
• ApolloScape:百度提供的场景解析数据集,开放数据集累计提供146,997帧图像数据，总计34类，包含像素级标注和姿态信息，以及对应静态背景深度图像下载。

图像融合

• 爱分割人脸matting数据集:数据量大，包含34427张图像和对应的matting结果图，但是数据标注不够精细
• alpha matting官方数据集: 目前已知的最精细的数据集，但是数据量太少，只有27张。
• Deep Automatic Portrait Matting:包含2000张图像，精度和数量都适中，由于此数据集有很多明显的标注错误，需要进一步人工校正。

超分辨率

• Vimeo-90k:包含89800张从vimeo.com网站上视频截图，图像分辨率为448 x 256
• FlyingChairs：22872张图像对，2D对应的3D图像，标注ground truth为光流。
• CelebA202599张各个尺寸的图片，此数据集有多类用途。
• Waterloo：包含4741张原图，以及从这些图像中抖动生成的94,880图像。
• DIV2K:包含800张训练集，100张验证集，100张测试集，总计1000张2k分辨率图像。

人脸数据集

• CARC:百度网盘 提取码 dvyn

• celaba

  • celaba 128x128分辨率原始数据集 官方下载
  • celaba 128x128分辨率原始数据集 百度云下载
  • celaba hq 数据集生成方法
  • celaba hq 数据集图片格式 128x128,256x256,512x512,1024x1024 谷歌drive下载
  • celaba hq 官方提供的dat格式下载
  • 年龄和表情数图像据集
  • FACES:包含了 171 young (n = 58), middle-aged (n = 56), and older (n = 57) ，不同表情的图片数据集。