亚马逊AWS高级技术顾问Will Badr介绍了8种寻找机器学习数据集的方法
1、Kaggle数据集
Kaggle的数据集中，包含了用于各种任务，不同规模的真实数据集，而且有许多不同的格式。此外，你还可以在这里找到与每个数据集相关联的交互式笔记本Kernels，这些笔记本能够在浏览器中运行。
在这里，每个数据集都是一个小的交流社区，可以讨论数据，寻找一些公开的代码，或者在Kernels中创建自己的项目。
有许多数据科学家从不同的角度对数据集进行了分析。有时候，你还可以找到解决特定问题的算法代码。
传送门：
https://www.kaggle.com/datasets
2、亚马逊数据集
这里有许多不同领域的数据集，比如公共交通、生态资源、卫星图像等等。
同时也提供了一个搜索框，来帮助你寻找数据集。伴随着数据集，也有相关的描述与用法示例。
数据集存储在AWS中，如果你正在使用AWS训练机器学习模型，会非常方便，数据集的传输速度非常快。
传送门：
https://registry.opendata.aws/
3、UCI机器学习数据库
这个数据库里面有100个数据集。来自加州大学信息与计算机科学学院。
数据集已经按照机器学习问题进行了分类，你可以在这里找到单变量和多变量时间序列数据集；分类、回归或推荐系统的数据集。
而且，其中的一些数据集已经清理完毕，拿走就能使用。
传送门：
https://archive.ics.uci.edu/ml/datasets.html
4、谷歌数据集搜索引擎
2018年9月份，谷歌推出了这项服务，可以按名称搜索数据集。目标是收集起来成千上万不同的数据集存储库。
相关报道：
传送门：
https://toolbox.google.com/datasetsearch
5、微软数据集
2018年7月，微软推出“微软研究开放数据”。涵盖计算机科学、社会科学、物理学、天文学、生物学、经济学等等多个学科领域
数据集存储在云中，用于推动全球研究团体之间的协作。收集了一系列已发表的研究中使用的精确数据集。
传送门：
https://msropendata.com/
6、公共数据集资源收集
按照不同的主题对近600个数据集进行了分类，一共涉及29个主题，比如生物学、经济学、教育学等等。大多数数据集都是免费的，不过在使用前，还是检查一下许可要求比较好。
传送门：
https://github.com/awesomedata/awesome-public-datasets
7、政府数据集
与政府相关的数据集寻找起来也比较容易，许多国家都会公开各种数据，以推进政务的透明化处理。比如：
欧盟开放数据集：欧洲政府的数据集
https://data.europa.eu/euodp/data/dataset
美国政府数据集：（暂时无法使用）
https://www.data.gov/
中国国家统计局：
http://www.stats.gov.cn/
8、计算机视觉数据
里面有各种用于计算机视觉研究数据集，可以通过特定的主题去查找数据集，比如语义分割、图像字幕、图像生成等等。也可以通过应用场景来查找数据集，比如自动驾驶汽车数据集。
传送门：
https://www.visualdata.io/
One More Thing：其他数据集资源
量子位也报道过不少数据集资源，附于这里，希望能够为你带来帮助。（点击文字即可传送）
自然语言处理
计算机视觉
其他
最后的最后
公共政府数据集
Data.gov：在这里可以下载到多个美国政府机构的数据。从政府预算到学校成绩。但要注意的是，很多数据还有待进一步研究。
https://www.data.gov/
食品环境地图集（Food Environment Atlas）：当地的食物选择如何影响美国饮食的数据。
https://catalog.data.gov/dataset/food-environment-atlas-f4a22
学校系统财务状况（School system finances）：这里有美国学校系统财务状况的调查。
https://catalog.data.gov/dataset/annual-survey-of-school-system-finances
慢性病数据（Chronic disease data）：美国各地慢性病指标的数据。
https://catalog.data.gov/dataset/u-s-chronic-disease-indicators-cdi-e50c9
美国国家教育统计中心（The US National Center for Education Statistics）：来自美国和世界各地的教育机构和教育人口统计数据。
https://nces.ed.gov/
英国数据服务：英国最大的社会、经济和人口数据收集机构。
https://www.ukdataservice.ac.uk/
数据美国（Data USA）：全面的、可视化的美国公共数据。
http://datausa.io/
金融和经济
Quandl： 里面有很多经济和金融数据，你可以使用这些数据建立预测经济指标或股价的模型。
https://www.quandl.com/
世界银行开放数据（World Bank Open Data）：涵盖世界各地人口统计、大量经济和发展指标的数据集。
https://data.worldbank.org/
货币基金组织的数据（IMF Data）：国际货币基金组织公布关于国际金融、债务率、外汇储备、商品价格和投资的数据。
https://www.imf.org/en/Data
英国金融时报金融时报市场数据（Financial Times Market Data：）：里面有来自世界各地的最新金融市场信息，包括股票价格指数、商品和外汇。
https://markets.ft.com/data/
谷歌趋势（Google Trends）：观察和分析有关互联网搜索活动和世界各地新闻故事趋势的数据。
http://www.google.com/trends?q=google&ctab=0&geo=all&date=all&sort=0
美国经济协会(AEA)：这里你可以找到美国宏观经济的相关数据。
https://www.aeaweb.org/resources/data/us-macro-regional
机器学习数据集
Labelme：数据集中包含大量有标注的图像数据。
http://labelme.csail.mit.edu/Release3.0/browserTools/php/dataset.php
ImageNet： 是一个用于视觉对象识别软件研究的大型可视化数据库。超过1400万的图像URL被ImageNet手动注释。根据 WordNet 层次结构来组织，其中层次结构的每个节点都由成百上千个图像来描述。
http://image-net.org/
LSUN：场景理解与许多辅助任务（房间布局估计，显着性预测等）
http://lsun.cs.princeton.edu/2016/
MS COCO：通用图像的理解和文字描述。
http://mscoco.org/
COIL 100：在 360 度旋转中以各个角度成像的 100 个不同的物体。
http://www1.cs.columbia.edu/CAVE/software/softlib/coil-100.php
视觉基因组：非常详细的视觉知识库，配以0 万张带有文字描述的图像。
http://visualgenome.org/
谷歌的Open Images：“知识共享”（Creative Commons）下的900万个图像网址集合，已标注超过6,000个类别的标签。
https://research.googleblog.com/2016/09/introducing-open-images-dataset.html
Labelled Faces in the Wild：13,000个人脸标记图像，用于开发涉及面部识别的应用程序。
http://vis-www.cs.umass.edu/lfw/
Stanford Dogs Dataset：包含20580张图片和120个不同的狗品种类别。
http://vision.stanford.edu/aditya86/ImageNetDogs/
室内场景识别（Indoor Scene Recognition）：这是一个非常细化的数据集，由于大多数在“户外”场景中表现良好的场景识别模型在室内表现不佳，因而这个数据集非常有用。内有 67 个室内类别，共 15,620 张图像。
http://web.mit.edu/torralba/www/indoor.html
情感分析
多域情感分析数据集（Multidomain sentiment analysis dataset）：一个比较有历史的数据集，里面还有一些来自亚马逊的产品评论。
http://www.cs.jhu.edu/~mdredze/datasets/sentiment/
IMDB： 影评，也是比较有历史的二元情绪分类数据集、数据规模相对较小，里面有 25,000 条电影评论。
http://ai.stanford.edu/~amaas/data/sentiment/
斯坦福情感树银行（Stanford Sentiment Treebank）：带有情感注释的标准情绪数据集。
http://nlp.stanford.edu/sentiment/code.html
Sentiment140：一个流行的数据集，它使用16万条推文，并把表情等等符号剔除了。
http://help.sentiment140.com/for-students/
Twitter 美国航空公司情绪数据集 (Twitter US Airline Sentiment)：自 2015 年 2 月以来美国航空公司的 Twitter 数据，分类为正面、负面和中性推文。
https://www.kaggle.com/crowdflower/twitter-airline-sentiment
自然语言处理
安然数据集：里面有安然集团高级管理层的电子邮件数据。
https://www.cs.cmu.edu/~./enron/
亚马逊评论：里面有3500万条来自亚马逊的评论，时间长度为18年。数据包括产品和用户信息、评级等。
https://snap.stanford.edu/data/web-Amazon.html
Google Books Ngram：来自Google书籍的词汇集合。
https://aws.amazon.com/datasets/google-books-ngrams/
博客语料库：从blogger.com收集的681，288篇博客文章。每个博客至少包含200个常用的英语单词。
http://u.cs.biu.ac.il/~koppel/BlogCorpus.htm
维基百科链接数据（Wikipedia Links data）：维基百科全文。该数据集包含来自400多万篇文章，近19亿字。你可以对字、短语或段落本身的一部分进行搜索。
https://code.google.com/p/wiki-links/downloads/list
Gutenberg电子图书列表：Project Gutenberg的附加注释的电子书列表。
http://www.gutenberg.org/wiki/Gutenberg:Offline_Catalogs
加拿大议会的文本块（Hansards text chunks of Canadian Parliament）：来自第36届加拿大议会记录的130万对文本。
http://www.isi.edu/natural-language/download/hansard/
危险边缘 (Jeopardy)：来自问答游戏节目《危险边缘》(Jeopardy) 的超过 20 万个问题的存档。
http://www.reddit.com/r/datasets/comments/1uyd0t/200000_jeopardy_questions_in_a_json_file/
英文SMS垃圾邮件收集（SMS Spam Collection in English）：包含5，574条英文垃圾邮件的数据集。
http://www.dt.fee.unicamp.br/~tiago/smsspamcollection/
Yelp评论（Yelp Reviews）：Yelp发布的一个开放数据集，包含超过500万次评论。
https://www.yelp.com/dataset
UCI的垃圾邮件库（UCI’s Spambase）：一个大型垃圾邮件数据集，用于垃圾邮件过滤。
https://archive.ics.uci.edu/ml/datasets/Spambase
自动驾驶
Berkeley DeepDrive BDD100k：这是目前最大的自动驾驶 数据集。里面有超过 1,100 多个小时驾驶体验的视频，包含10 万个在一天中不同时段以及在不同天气条件下的数据。
http://bdd-data.berkeley.edu/
百度 Apolloscapes：大型数据集，定义了26种不同的语义项，如汽车，自行车，行人，建筑物，路灯等。
http://apolloscape.auto/
Comma.ai：超过7个小时的高速公路驾驶视频。里面的数据包括汽车的速度、加速度、转向角和GPS坐标。
https://archive.org/details/comma-dataset
城市景观数据集：记录50个不同城市的城市街道场景的大型数据集。
https://www.cityscapes-dataset.com/
CSSAD数据集：包含自动车辆的感知和导航等数据，但着重于发达国家的道路。
http://aplicaciones.cimat.mx/Personal/jbhayet/ccsad-dataset
麻省理工学院AGE实验室（MIT AGE Lab:）：在AgeLab收集的1,000多小时多传感器驾驶数据集的样本。
http://lexfridman.com/automated-synchronization-of-driving-data-video-audio-telemetry-accelerometer/
LISA：智能和安全汽车实验室，加州大学圣地亚哥分校数据集：该数据集包括交通标志，车辆检测，交通信号灯和轨迹模式。
http://cvrr.ucsd.edu/LISA/datasets.html
博世小型交通灯数据集（Bosch Small Traffic Light Dataset）：用于深入学习的小交通灯数据集。
https://hci.iwr.uni-heidelberg.de/node/6132
Lara交通灯识别（LaRa Traffic Light Recognition）：巴黎交通灯的数据集。
http://www.lara.prd.fr/benchmarks/trafficlightsrecognition
WPI 数据集：交通灯、行人和车道检测的数据集。
http://computing.wpi.edu/dataset.html
金融
美国劳工部统计局官方发布数据：http://dataju.cn/Dataju/web/datasetInstanceDetail/139
沪深股票除权除息、配股增发全量数据，截止 2016.12.31 http://dataju.cn/Dataju/web/datasetInstanceDetail/344
上证主板日线数据，截止 2017.05.05，原始价、前复权价、后复权价，1260支股票 http://dataju.cn/Dataju/web/datasetInstanceDetail/340
深证主板日线数据，截止 2017.05.05，原始价、前复权价、后复权价，466支股票 http://dataju.cn/Dataju/web/datasetInstanceDetail/341
深证中小板日线数据，截止 2017.05.05，原始价、前复权价、后复权价，852支股票http://dataju.cn/Dataju/web/datasetInstanceDetail/342
深证创业板日线数据，截止 2017.05.05，原始价、前复权价、后复权价，636支股票 http://dataju.cn/Dataju/web/datasetInstanceDetail/343
上证A股日线数据，1999.12.09 至 2016.06.08，前复权，1095支股票 http://dataju.cn/Dataju/web/datasetInstanceDetail/37
深证A股日线数据，1999.12.09 至 2016.06.08，前复权，1766支股票 http://dataju.cn/Dataju/web/datasetInstanceDetail/38
深证创业板日线数据，1999.12.09 至 2016.06.08，前复权，510支股票 http://dataju.cn/Dataju/web/datasetInstanceDetail/39
MT4平台外汇交易历史数据http://dataju.cn/Dataju/web/datasetInstanceDetail/43
Forex平台外汇交易历史数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/67
几组外汇交易逐笔（Ticks）数据http://dataju.cn/Dataju/web/datasetInstanceDetail/44
美国股票新闻数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/220
美国医疗保险市场数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/225
美国金融客户投诉数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/229
Lending Club 网贷违约数据【Kaggle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/206
信用卡欺诈数据【Kaggle 数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/206
美国股票数据XBRL【Kaggle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/214
纽约股票交易所数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/214
贷款违约预测竞赛数据【Kaggle竞赛】http://dataju.cn/Dataju/web/datasetInstanceDetail/249
Zillow 网站房地产价值预测竞赛数据【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/249
Sberbank 俄罗斯房地产价值预测竞赛数据【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/266
Homesite 保险定价竞赛数据【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/336
Winton 股票回报率预测竞赛数据【Kaggle竞赛】http://dataju.cn/Dataju/web/datasetInstanceDetail/347
2
交通
2013年纽约出租车行驶数据http://dataju.cn/Dataju/web/datasetInstanceDetail/348
2013年芝加哥出租车行驶数据http://dataju.cn/Dataju/web/datasetInstanceDetail/355
Udacity自动驾驶数据http://dataju.cn/Dataju/web/datasetInstanceDetail/356
纽约 Uber 接客数据 【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/76
英国车祸数据（2005-2015）【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/323
芝加哥汽车超速数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/86
KITTI 自动驾驶任务数据【数据太大仅有部分】 http://dataju.cn/Dataju/web/datasetInstanceDetail/210
Cityscapes 场景标注数据【数据太大仅有部分】 http://dataju.cn/Dataju/web/datasetInstanceDetail/210
德国交通标志识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/232
交通信号识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/228
芝加哥Divvy共享自行车骑行数据（2013年至今） http://dataju.cn/Dataju/web/datasetInstanceDetail/228
美国查塔努加市共享单车骑行数据http://dataju.cn/Dataju/web/datasetInstanceDetail/270
Capital 共享单车骑行数据https://zhuanlan.zhihu.com/
Bay Area 共享单车骑行数据http://dataju.cn/Dataju/web/datasetInstanceDetail/338
Nice Ride 共享单车骑行数据http://dataju.cn/Dataju/web/datasetInstanceDetail/339
花旗银行共享单车骑行数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/325
运用卫星数据跟踪亚马逊热带雨林中的人类轨迹竞赛【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/358
纽约出租车管理委员会官方的乘车数据（2009年-2016年） http://dataju.cn/Dataju/web/datasetInstanceDetail/359
3
商业
Airbnb 开放的民宿信息和住客评论数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/360
Amazon 食品评论数据http://dataju.cn/Dataju/web/datasetInstanceDetail/361
【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/324
Amazon 无锁手机评论数据http://dataju.cn/Dataju/web/datasetInstanceDetail/349
【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/364
美国视频游戏销售和评价数据http://dataju.cn/Dataju/web/datasetInstanceDetail/309
【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/207
Kaggle 各项竞赛情况数据【Kaggle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/207
Bosch 生产流水线降低次品率竞赛数据【Kaggle竞赛】http://dataju.cn/Dataju/web/datasetInstanceDetail/208
预测公寓租金竞赛数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/208
广告点击预测竞赛数据http://dataju.cn/Dataju/web/datasetInstanceDetail/230
餐厅营业收入预测建模竞赛http://dataju.cn/Dataju/web/datasetInstanceDetail/230
银行产品推荐竞赛数据http://dataju.cn/Dataju/web/datasetInstanceDetail/213
网站用户推荐点击预测竞赛数据http://dataju.cn/Dataju/web/datasetInstanceDetail/319
在线广告实时竞价数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/337
购物车商品关联竞赛数据【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/335
Airbnb 新用户的民宿预定预测竞赛数据【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/333
推荐系统
Netflix 电影评价数据http://dataju.cn/Dataju/web/datasetInstanceDetail/330
MovieLens 20m 电影推荐数据集 http://dataju.cn/Dataju/web/datasetInstanceDetail/329
WikiLenshttp://dataju.cn/Dataju/web/datasetInstanceDetail/227
Jesterhttp://dataju.cn/Dataju/web/datasetInstanceDetail/350
HetRec2011http://dataju.cn/Dataju/web/datasetInstanceDetail/354
Book Crossinghttp://dataju.cn/Dataju/web/datasetInstanceDetail/32
Large Movie Reviewhttp://dataju.cn/Dataju/web/datasetInstanceDetail/116
Retailrocket 商品评论和推荐数据http://dataju.cn/Dataju/web/datasetInstanceDetail/97
4
医疗健康
人识别物体时大脑核磁共振影像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/99
人理解单词时大脑核磁共振影像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/101
心脏病心房图像及标注数据http://dataju.cn/Dataju/web/datasetInstanceDetail/100
细胞病理识别http://dataju.cn/Dataju/web/datasetInstanceDetail/98
FIRE 视网膜眼底病变图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/290
食物营养成分数据 【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/80
EGG 大脑电波形状数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/79
某人基因序列数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/121
癌症CT影像数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/242
软组织肉瘤CT图像数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/124
美国国家健康与服务部-国家癌症研究所发起的癌症数据仓库介绍【仅有介绍】 http://dataju.cn/Dataju/web/datasetInstanceDetail/250
Data Science Bowl 2017 肺癌识别竞赛数据【数据太大仅有介绍】 http://dataju.cn/Dataju/web/datasetInstanceDetail/258
TCGA-LUAD 肺癌CT图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/261
RIDER Lung CT 肺癌CT影像http://dataju.cn/Dataju/web/datasetInstanceDetail/275
TCGA-COAD癌症CT影像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/284
TCIA-TCGA-OV 癌症CT影像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/283
TCIA RIDER NEURO 癌症MRI影像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/287
QIN Beast 乳腺癌MRI影像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/291
5
图像数据
综合图像
Visual Genome 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/311
Visual7w 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/315
COCO 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/316
SUFR 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/317
ILSVRC 2014 训练数据（ImageNet的一部分） http://dataju.cn/Dataju/web/datasetInstanceDetail/369
PASCAL Visual Object Classes 2012 图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/85
PASCAL Visual Object Classes 2011 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/107
PASCAL Visual Object Classes 2010 图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/51
80 Million Tiny Image 图像数据【数据太大仅有介绍】 http://dataju.cn/Dataju/web/datasetInstanceDetail/240
ImageNet【数据太大仅有介绍】http://dataju.cn/Dataju/web/datasetInstanceDetail/55
Google Open Images【数据太大仅有介绍】 http://dataju.cn/Dataju/web/datasetInstanceDetail/40
场景图像
Street Scences 图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/45
Places2 场景图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/48
UCF Google Street View 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/138
SUN 场景图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/138
The Celebrity in Places 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/83
Web图像标签
HARRISON 社交标签图像 http://dataju.cn/Dataju/web/datasetInstanceDetail/183
NUS-WIDE 标签图像http://dataju.cn/Dataju/web/datasetInstanceDetail/74
Visual Synset 标签图像http://dataju.cn/Dataju/web/datasetInstanceDetail/112
Animals With Attributes 标签图像http://dataju.cn/Dataju/web/datasetInstanceDetail/160
人形轮廓图像
MPII Human Shapehttp://dataju.cn/Dataju/web/datasetInstanceDetail/234
人体轮廓数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/173
Biwi Kinect Head Pose 头部姿势数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/52
上半身人像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/52
INRIA Person 数据集 http://dataju.cn/Dataju/web/datasetInstanceDetail/235
视觉文字识别图像
Street View House Number 门牌号图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/236
MNIST 手写数字识别图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/253
3D MNIST 数字识别图像数据【Kaggle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/129
MediaTeam Document 文档影印和内容数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/129
Text Recognition 文字图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/110
NIST Handprinted Forms and Characters 手写英文字符数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/49
NIST Structured Forms Reference Set of Binary Images http://dataju.cn/Dataju/web/datasetInstanceDetail/73
(SFRS) 图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/47
NIST Structured Forms Reference Set of Binary Images http://dataju.cn/Dataju/web/datasetInstanceDetail/23
(SFRS) II 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/203
特定一类事物图像
著名的猫图像标注数据http://dataju.cn/Dataju/web/datasetInstanceDetail/128
Caltech-UCSDhttp://dataju.cn/Dataju/web/datasetInstanceDetail/176
Birds200 鸟类图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/278
Stanford Car 汽车图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/294
Cars 汽车图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/295
MIT Cars 汽车图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/41
Stanford Cars 汽车图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/105
Food-101 美食图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/106
17_Category_Flowerhttp://dataju.cn/Dataju/web/datasetInstanceDetail/106
图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/254
102_Category_Flowerhttp://dataju.cn/Dataju/web/datasetInstanceDetail/255
图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/109
UCI Folio Leaf 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/114
Labeled Fisheshttp://dataju.cn/Dataju/web/datasetInstanceDetail/115
in the Wild 鱼类图像http://dataju.cn/Dataju/web/datasetInstanceDetail/60
美国 Yelp 点评网站酒店照片http://dataju.cn/Dataju/web/datasetInstanceDetail/61
CMU-Oxfordhttp://dataju.cn/Dataju/web/datasetInstanceDetail/63
Sculpture 塑像雕像图像 http://dataju.cn/Dataju/web/datasetInstanceDetail/174
Oxford-IIIT Pet 宠物图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/256
Naturehttp://dataju.cn/Dataju/web/datasetInstanceDetail/301
Conservancy Fisheries Monitoring 过度捕捞监控图像数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/118
材质纹理图像
CURET 纹理材质图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/111
ETHZ Synthesizability 纹理图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/127
KTH-TIPS 纹理材质图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/172
Describable Textures 纹理图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/71
物体分类图像
COIL-20 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/62
COIL-100 图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/70
Caltech-101 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/54
Caltech-256 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/46
CIFAR-10 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/42
CIFAR-100 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/53
STL-10 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/72
LabelMe_12_50k http://dataju.cn/Dataju/web/datasetInstanceDetail/72
图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/69
NORB v1.0 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/117
NEC Toy Animal 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/237
iCubWorld 图像分类数据http://dataju.cn/Dataju/web/datasetInstanceDetail/238
Multi-class 图像分类数据http://dataju.cn/Dataju/web/datasetInstanceDetail/239
GRAZ 图像分类数据http://dataju.cn/Dataju/web/datasetInstanceDetail/108
人脸图像
IMDB-WIKI 500k+ 人脸图像、年龄性别数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/68
Labeled Faces in the Wild 人脸数据http://dataju.cn/Dataju/web/datasetInstanceDetail/50
Extended Yale Face Database B 人脸数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/131
Bao Face 人脸数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/87
DC-IGN 论文人脸数据http://dataju.cn/Dataju/web/datasetInstanceDetail/119
300 Face in Wild 图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/120
BioID Face 人脸数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/122
CMU Frontal Face Imageshttp://dataju.cn/Dataju/web/datasetInstanceDetail/123
FDDB_Face Detection Data Set and Benchmark http://dataju.cn/Dataju/web/datasetInstanceDetail/130
NIST Mugshot Identification Database http://dataju.cn/Dataju/web/datasetInstanceDetail/140
Faces in the Wild 人脸数据http://dataju.cn/Dataju/web/datasetInstanceDetail/170
CelebA 名人人脸图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/175
VGG Face 人脸图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/189
Caltech 10k Web Faces 人脸图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/125
姿势动作图像
HMDB_a large human motion database http://dataju.cn/Dataju/web/datasetInstanceDetail/126
Human Actions and Scenes Dataset http://dataju.cn/Dataju/web/datasetInstanceDetail/177
Buffy Stickmen V3 人体轮廓识别图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/178
Human Pose Evaluator 人体轮廓识别图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/179
Buffy pose 人类姿势图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/181
VGG Human Pose Estimation 姿势图像标注数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/197
指纹识别图像
NIST FIGS 指纹识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/281
NIST Supplemental Fingerprint Card Data (SFCD) 指纹识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/280
NIST Plain and Rolled Images from Paired Fingerprint Cards http://dataju.cn/Dataju/web/datasetInstanceDetail/279
in 500 pixels per inch 指纹识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/77
NIST Plain and Rolled Images from Paired Fingerprint Cards http://dataju.cn/Dataju/web/datasetInstanceDetail/289
1000 pixels per inch 指纹识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/132
其他图像数据
Visual Question Answering V1.0 图像数据http://dataju.cn/Dataju/web/datasetInstanceDetail/84
Visual Question Answering V2.0 图像数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/241
6
视频数据
综合视频
DAVIS_Densely Annotated Video Segmentation 数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/147
YouTube-8M 视频数据集【数据太大仅有介绍】http://dataju.cn/Dataju/web/datasetInstanceDetail/133
YouTube 网站视频备份【数据太大仅有介绍】 http://dataju.cn/Dataju/web/datasetInstanceDetail/134
人类动作视频
Microsoft Research Action 人类动作视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/144
UCF50 Action Recognition 动作识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/135
UCF101 Action Recognition 动作识别数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/136
UT-Interaction 人类动作视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/137
UCF iPhone 运动中传感器数据http://dataju.cn/Dataju/web/datasetInstanceDetail/148
UCF YouTube 人类动作视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/125
UCF Sport 人类动作视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/126
UCF-ARG 人类动作视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/141
HMDB 人类动作视频http://dataju.cn/Dataju/web/datasetInstanceDetail/157
HOLLYWOOD2 人类行为动作视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/146
Recognition of human actions 动作视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/244
Motion Capture 动作捕捉视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/245
SBU Kinect Interaction 肢体动作视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/246
目标检测视频
UCSD Pedestrian 行人视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/247
Caltech Pedestrian 行人视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/248
ETH 行人视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/223
INRIA 行人视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/159
TudBrussels 行人视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/151
Daimler 行人视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/150
ALOV++ 物体追踪视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/152
密集人群视频
Crowd Counting 高密度人群图像 http://dataju.cn/Dataju/web/datasetInstanceDetail/156
Crowd Segmentation 高密度人群视频数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/243
Tracking in High Density Crowds 高密度人群视频 http://dataju.cn/Dataju/web/datasetInstanceDetail/200
其他视频
Fire Detection 视频数据http://dataju.cn/Dataju/web/datasetInstanceDetail/186
7
音频数据
综合音频
Google Audioset 音频数据【数据太大仅有介绍】 http://dataju.cn/Dataju/web/datasetInstanceDetail/164
语音识别
Sinhala TTS 英语语音识别http://dataju.cn/Dataju/web/datasetInstanceDetail/251
TIMIT 美式英语语音识别数据http://dataju.cn/Dataju/web/datasetInstanceDetail/252
LibriSpeech ASR corpus 语音数据http://dataju.cn/Dataju/web/datasetInstanceDetail/194
Room Impulse Response and Noise 语音数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/191
ALFFA 非洲语音数据http://dataju.cn/Dataju/web/datasetInstanceDetail/96
THUYG-20 维吾尔语语音数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/96
AMI Corpus 语音识别http://dataju.cn/Dataju/web/datasetInstanceDetail/96
8
自然语言处理
RCV1http://dataju.cn/Dataju/web/datasetInstanceDetail/93
英语 http://dataju.cn/Dataju/web/datasetInstanceDetail/90
新闻数据http://dataju.cn/Dataju/web/datasetInstanceDetail/78
20news 英语新闻数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/78
First Quora Release Question Pairs 问答数据http://dataju.cn/Dataju/web/datasetInstanceDetail/94
JRC Nameshttp://dataju.cn/Dataju/web/datasetInstanceDetail/92
各国语言专有实体名称http://dataju.cn/Dataju/web/datasetInstanceDetail/89
Multi-Domain Sentiment V2.0 http://dataju.cn/Dataju/web/datasetInstanceDetail/205
LETOR 信息检索数据http://dataju.cn/Dataju/web/datasetInstanceDetail/205
Yale Youtube Vedio Text http://dataju.cn/Dataju/web/datasetInstanceDetail/221
斯坦福问答数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/221
美国假新闻数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/212
NIPS会议文章信息数据（1987-2016）【Kaggle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/268
2016年美国总统选举辩论数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/269
WikiLinks 跨文档指代语料http://dataju.cn/Dataju/web/datasetInstanceDetail/277
European Parliament Proceedings Parallel Corpus 机器翻译数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/285
WikiText 英语语义词库数据http://dataju.cn/Dataju/web/datasetInstanceDetail/272
WMT 2011 News Crawl 机器翻译数据http://dataju.cn/Dataju/web/datasetInstanceDetail/288
Stanford Sentiment Treebank 词汇数据http://dataju.cn/Dataju/web/datasetInstanceDetail/334
英语语言模型单词预测竞赛数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/201
9
社会数据
希拉里邮件门泄露邮件http://dataju.cn/Dataju/web/datasetInstanceDetail/267
波士顿Airbnb 公开数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/209
世界各国经济发展数据【Kaagle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/202
世界大学排名芝加哥犯罪数据（2001-2017）【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/233
世界范围显著地震数据（1965-2016）【Kaagle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/231
美国婴儿姓名数据【Kaagle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/222
全世界鲨鱼袭击人类数据【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/219
1908年以来空难数据【Kaagle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/218
2016年美国总统大选数据【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/217
2013年美国社区统计数据【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/273
2014年美国社区统计数据【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/274
2015年美国社区统计数据【Kaagle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/215
欧洲足球运动员赛事表现数据【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/211
美国环境污染数据【Kaagle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/224
美国H1-B签证申请数据Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/224
IMDB五千部电影数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/224
2015年航班延误和取消数据【Kaggle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/226
凶杀案报告数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/216
人力资源分析数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/259
美国费城犯罪数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/260
安然公司邮件数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/262
历史棒球数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/263
美联航 Twitter 用户评论数据【Kaggle数据】 http://dataju.cn/Dataju/web/datasetInstanceDetail/264
波士顿 Airbnb 公开数据【Kaggle数据】http://dataju.cn/Dataju/web/datasetInstanceDetail/265
芝加哥市2001年以来犯罪记录数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/267
美国查塔努加市犯罪记录数据（2003年至今） http://dataju.cn/Dataju/web/datasetInstanceDetail/353
芝加哥街边咖啡厅季节中的人行道咖啡厅许可数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/358
芝加哥餐馆卫生检查结果数据http://dataju.cn/Dataju/web/datasetInstanceDetail/351
几个人类运动位置路线GPS数据集（骑行、跑步等） http://dataju.cn/Dataju/web/datasetInstanceDetail/352
10
处理后的科研和竞赛数据
NIPS 2003 属性选择竞赛数据http://dataju.cn/Dataju/web/datasetInstanceDetail/370
台湾大学林智仁教授处理为 LibSVM 格式的分类建模数据 http://dataju.cn/Dataju/web/datasetInstanceDetail/296
Large-scale 分类建模数据http://dataju.cn/Dataju/web/datasetInstanceDetail/297
几个UCI 中 large-scale 分类建模数据http://dataju.cn/Dataju/web/datasetInstanceDetail/298
Social Computing http://dataju.cn/Dataju/web/datasetInstanceDetail/299
Data Repository 社交网络数据http://dataju.cn/Dataju/web/datasetInstanceDetail/300
猫和狗分类识别竞赛数据【Kaggle竞赛】http://dataju.cn/Dataju/web/datasetInstanceDetail/318
DSTL 卫星图像识别竞赛数据【Kaggle竞赛】http://dataju.cn/Dataju/web/datasetInstanceDetail/328
根据手机应用软件使用行为预测用户性别年龄竞赛数据【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/332
人脸关键点标定竞赛数据【Kaggle竞赛】 http://dataju.cn/Dataju/web/datasetInstanceDetail/331
Kaggle竞赛数据合辑（部分竞赛数据）http://dataju.cn/Dataju/web/datasetInstanceDetail/368
Kaggle
书籍推荐数据集(goodreads/上万图书/百万评价)【Kaggle】
https://www.kaggle.com/zygmunt/goodbooks-10k
带有预期点数和获胜概率的NFL比赛详情数据集(2009-2016)【Kaggle】
https://www.kaggle.com/maxhorowitz/nflplaybyplay2009to2016
HackerNews数据集(2006年以来约1/4文章) 【Kaggle】
https://www.kaggle.com/hacker-news/hacker-news-corpus
酒店评价数据集【Kaggle】
https://www.kaggle.com/datafiniti/hotel-reviews
1950年以来NBA球员状态&表现数据集【Kaggle】
https://www.kaggle.com/drgilermo/nba-players-stats
开普勒太空望远镜深空星球光强时序数据集【Kaggle】
https://www.kaggle.com/keplersmachines/kepler-labelled-time-series-data
巴基斯坦无人机袭击数据集(2004-2016)【Kaggle】
https://www.kaggle.com/zusmani/pakistandroneattacks
墨尔本房屋市场数据集【Kaggle】
https://www.kaggle.com/anthonypino/melbourne-housing-market
1789-2016历任美国总统签署行政命令数据集【Kaggle】
https://www.kaggle.com/nationalarchives/executive-orders
来自Stack Overflow平台的Python语言问答数据集【Kaggle】
https://www.kaggle.com/stackoverflow/pythonquestions
来自Stack Overflow品台的R语言问答数据集【Kaggle】
https://www.kaggle.com/stackoverflow/rquestions
每日海冰范围数据集【Kaggle】
https://www.kaggle.com/nsidcorg/daily-sea-ice-extent-data
NIPS(1987-2016)论文数据集【Kaggle】
https://www.kaggle.com/benhamner/nips-papers
大学公开数据集
(Stanford)69G大规模无人机(校园)图像数据集【Stanford】
http://cvgl.stanford.edu/projects/uav_data/
人脸素描数据集【CUHK】
http://mmlab.ie.cuhk.edu.hk/archive/facesketch.html
自然语言推理(文本蕴含标记)数据集【NYU】
https://www.nyu.edu/projects/bowman/multinli/
Berkeley图像分割数据集BSDS500【Berkeley】
https://www2.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/resources.html
宠物图片(分割)数据集【Oxford】
http://www.robots.ox.ac.uk/~vgg/data/pets/
发布ADE20K场景感知/解析/分割/多目标识别数据集【MIT】
https://groups.csail.mit.edu/vision/datasets/ADE20K/
多模态二元行为数据集【GaTech】
http://www.cbi.gatech.edu/mmdb/
▍计算机视觉／图像／视频数据集：
Fashion-MNIST风格服饰图像数据集【肖涵】
https://github.com/zalandoresearch/fashion-mnist
大型(50万)LOGO标志数据集
https://data.vision.ee.ethz.ch/cvl/lld/
4D扫描(60fps移动非刚性物体3D扫描)数据集【D-FAUST】
http://dfaust.is.tue.mpg.de
基于MNIST的视觉计数合成数据集Counting MNIST
http://fomoro.com/tools/counting-mnist/
YouTube MV视频数据集【Keunwoo Choi】
https://github.com/keunwoochoi/YouTube-music-video-5M
计算机视觉合成数据集/工具大列表【unrealcv】
https://github.com/unrealcv/synthetic-computer-vision
动物属性标记数据集【ChristophH. Lampert／Daniel Pucher／JohannesDostal】
http://cvml.ist.ac.at/AwA2/
日本漫画数据集Manga109
http://dl.acm.org/citation.cfm?doid=3011549.3011551
俯拍舞蹈视频数据集
http://homepages.inf.ed.ac.uk/rbf/CEILIDHDATA/
Pixiv(着色)图片数据集【Jerry Li】
https://github.com/jerryli27/pixiv_dataset
e-VDS视频数据集
https://engineering.purdue.edu/elab/eVDS/#download
Quick, Draw!简笔画涂鸦数据集
https://github.com/googlecreativelab/quickdraw-dataset
简笔画涂鸦数据集【hardmaru】
https://github.com/hardmaru/sketch-rnn-datasets
服饰人像生成模型(&Chictopia10K[HumanParsing]时尚人像解析数据集)【Christoph Lassner／Gerard Pons-Moll／Peter V. Gehler】
http://files.is.tue.mpg.de/classner/gp/
COCO像素级标注数据集
https://github.com/nightrome/cocostuff
大规模街道级图片(分割)数据集【Peter Kontschieder】
http://blog.mapillary.com/product/2017/05/03/mapillary-vistas-dataset.html
大规模日语图片描述数据集
https://github.com/STAIR-Lab-CIT/STAIR-captions
Cityscapes街景语义分割数据集（50城30类5k细标20k粗标图片及标记视频）
https://github.com/mcordts/cityscapesScripts
(街头)时尚服饰数据集(2000+标注图片)
https://github.com/bearpaw/clothing-co-parsing
PyTorch实现的VOC2012数据集Pixel-wise目标分割【BodoKaiser】
https://github.com/bodokaiser/piwise
Twenty Billion Neurons对象复杂运动与交互视频数据集【Nikita Johnson】
https://www.re-work.co/blog/the-something-something-video-dataset
▍文本／评价／问答／自然语言数据集：
(20万)英文笑话数据集【TaivoPungas】
https://github.com/taivop/joke-dataset
机器学习保险行业问答开放数据集【HainWang】
https://github.com/shuzi/insuranceQA
保险行业问答(QA)数据集【Minwei Feng】
https://github.com/shuzi/insuranceQA
Stanford NLP发布新的多轮、跨域、任务导向对话数据集【Mihail Eric】
https://github.com/keunwoochoi/YouTube-music-video-5M
实体/名词语义关系标记数据集【David S. Batista】
https://github.com/davidsbatista/Annotated-Semantic-Relationships-Datasets
NLVR：自然语言基础数据集(对象分组、数量、比较及空间关系推理)
http://lic.nlp.cornell.edu/nlvr/
2.8万文章/10万问题大规模(英语考试)阅读理解数据集
https://github.com/qizhex/RACE_AR_baselines
错误拼写数据集
http://www.dcs.bbk.ac.uk/~ROGER/corpora.html
文本简化数据集
http://www.cs.pomona.edu/~dkauchak/simplification/
英语词/句/语义框架框架标注数据集FrameNet
https://framenet.icsi.berkeley.edu/fndrupal/
(又一个)自然语言处理(NLP)数据集列表【Nicolas Iderhoff】
https://github.com/niderhoff/nlp-datasets
跨语种/多样式/多粒度文本相似性检测数据集
https://github.com/FerreroJeremy/Cross-Language-Dataset
Quora数据集：400000行潜在重复问题
http://qim.ec.quoracdn.net/quora_duplicate_questions.tsv
文本分类数据集
http://disi.unitn.it/moschitti/corpora.htm
Frames：Maluuba对话数据集
https://datasets.maluuba.com/Frames/dl
跨域(Amazon商品评论)情感数据集
http://www.cs.jhu.edu/~mdredze/datasets/sentiment/
语义网机器学习系统评价/基准数据集集合
http://dws.informatik.uni-mannheim.de/en/research/a-collection-of-benchmark-datasets-for-ml
▍其它数据集
数据科学/机器学习数据集汇总
https://elitedatascience.com/datasets
CORe50：连续目标识别数据集【VincenzoLomonaco&DavideMaltoni】
https://vlomonaco.github.io/core50/
(Matlab)数据集统计分布自动发现【Isabel Valera】
http://proceedings.mlr.press/v70/valera17a.html
(建筑物)损害评估数据集【tsunami】
https://github.com/faiton713/ABCDdataset
IndieWeb社交图谱数据集【IndieWeb】
http://www.indiemap.org
DeepMind开源环境/数据集/代码集合【DeepMind】
https://deepmind.com/research/open-source/
鸟叫声数据集【xeno-canto】
http://www.xeno-canto.org
Wolfram数据集仓库
https://datarepository.wolframcloud.com
大型音乐分析数据集FMA
https://github.com/mdeff/fma
(300万)Instacart在线杂货购物数据集【Jeremy Stanley】
https://tech.instacart.com/3-million-instacart-orders-open-sourced-d40d29ead6f2
用于欺诈检测的合成财务数据集【TESTIMON】
https://www.kaggle.com/ntnu-testimon/paysim1
NSynth：大规模高质量音符标记音频数据集
https://magenta.tensorflow.org/datasets/nsynth
LIBSVM格式分类/回归/多标签/字符串数据集
https://www.csie.ntu.edu.tw/~cjlin/libsvmtools/datasets/binary.html
笔记本电脑用logistic回归拟合100G数据集【DmitriySelivanov】
http://dsnotes.com/post/2017-02-07-large-data-feature-hashing-and-online-learning-part-2/
StackExchange近似/重复问题数据集
http://nlp.cis.unimelb.edu.au/resources/cqadupstack/
2010-2017最全KDD CUP赛题回顾及数据集
http://suo.im/2kRoQ1
食谱数据集：带有评级、营养及类别信息的超过2万种食谱【HugoDarwood】
https://www.kaggle.com/hugodarwood/epirecipes
奥斯卡数据集【Academy of Motion Picture Arts and Sciences】
https://www.kaggle.com/theacademy/academy-awards
计算医疗库：(TensorFlow)大型医疗数据集分析与机器学习建模【AkshayBhat】
https://github.com/AKSHAYUBHAT/ComputationalHealthcare
聚类数据集
https://cs.joensuu.fi/sipu/datasets/
官方开放气候数据集
https://pan.baidu.com/s/1i52Xarb
全球恐怖袭击事件数据集【START Consortium】
https://www.kaggle.com/START-UMD/gtd
七个机器学习时序数据集
https://machinelearningmastery.com/time-series-datasets-for-machine-learning/
大型众包关系数据库自然语言查询语义解析数据集(8万+查询样本)
http://t.cn/RNMr09n
赛马赔率数据集
http://t.cn/RNf0tXN
新的YELP数据集：包含470万评论和15.6万商家
http://t.cn/RNG6JYi
JMIR数据集专刊《JMIR Data》
http://t.cn/RCIhmvS
用于评价监督机器学习算法的基准数据集
https:// github.com/EpistasisLab/penn-ml-benchmarks
人口普查收入数据集分类
https:// github.com/dformoso/sklearn-classification
日文木版印刷文字识别数据集
http://t.cn/RCZPfYB
多模态二元行为数据集
http://t.cn/RCzFn1g
(TensorFlow)AudioSet音频事件数据集分类模型
GitHub: tensorflow/models/tree/master/audioset
Facebook星际争霸游戏数据集
(TorchCraft可读/365GB/6万多场次/15亿帧画面/近5亿用户操作)
http://t.cn/R9j8AUM
机器学习论文/数据集/工具集锦(日文)
http://t.cn/RKV7x2A
机器学习公司的十大数据搜集策略
http://t.cn/R54rtvd
NLP数据集加载工具集
http://t.cn/RaYwYXl
日语相似词数据集
http://t.cn/RaVFV35
大规模人本完形填空(多选阅读理解)数据集
http://t.cn/Rac2Pey
高质量免费数据集列表
http://t.cn/R6B1aqa
《数据之美》自然语言数据集/代码
http://t.cn/hBOTM4
微软数据集MS MARCO，阅读理解领域的「ImageNet」
http://t.cn/RIMqGBK
AI2科学问答数据集(多选)
http://t.cn/RI5liwJ
常用图像数据集大全（分类，跟踪，分割，检测等）
1.搜狗实验室数据集：
http://www.sogou.com/labs/dl/p.html
互联网图片库来自sogou图片搜索所索引的部分数据。其中收集了包括人物、动物、建筑、机械、风景、运动等类别，总数高达2,836,535张图片。对于每张图片，数据集中给出了图片的原图、缩略图、所在网页以及所在网页中的相关文本。200多G
2
http://www.imageclef.org/
IMAGECLEF致力于位图片相关领域提供一个基准（检索、分类、标注等等） Cross Language Evaluation Forum (CLEF) 。从2003年开始每年举行一次比赛.
http://staff.science.uva.nl/~xirong/index.php?n=Main.Dataset