这是一份非常全面的开源数据集，你，真的不想要吗？

近期，skymind.ai 发布了一份非常全面的开源数据集。内容包括生物识别、自然图像以及深度学习图像等数据集，现将其整理如下：(内附链接哦~)

最近新增数据集

• 开源生物识别数据：http://openbiometrics.org/
• 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：https://www.yelp.com/dataset
• Core50：用于连续目标识别的新数据集和基准。
• 地址：https://vlomonaco.github.io/core50/
• Kaggle 数据集：https://www.kaggle.com/datasets
• Data Portal：http://dataportals.org/
• Open Data Monitor：https://opendatamonitor.eu/
• Quandl Data Portal：https://www.quandl.com/
• 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：https://www.kdnuggets.com/2015/04/awesome-public-datasets-github.html
• 头部 CT 扫描数据集：491 次扫描的 CQ500 数据集。
• 地址：http://headctstudy.qure.ai/

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：http://yann.lecun.com/exdb/mnist/

• 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：http://www.cs.utoronto.ca/~kriz/cifar.html

• 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：http://cs.stanford.edu/~acoates/stl10/

• 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：http://ufldl.stanford.edu/housenumbers/

• NORB：玩具摆件在各种照明和姿势下的双目图像。
• 地址：http://www.cs.nyu.edu/~ylclab/data/norb-v1.0/

• 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：http://labelme.csail.mit.edu/Release3.0/browserTools/php/dataset.php

• 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：http://image-net.org/

• 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：http://www.cs.columbia.edu/CAVE/software/softlib/coil-20.php

• COIL100：不同物体在 360 度旋转中以每个角度成像。
• 地址：http://www1.cs.columbia.edu/CAVE/software/softlib/coil-100.php

• Google 开源图像：有 900 万张图像的网址集合，这些图像通过知识共享(Creative Commons)被标注成 6000 多个类别。
• 地址：https://research.googleblog.com/2016/09/introducing-open-images-dataset.html

地理空间数据

• OpenStreetMap：免费提供整个星球的矢量数据。它包含(旧版)美国人口普查局的数据。
• 地址：http://wiki.openstreetmap.org/wiki/Planet.osm

• Landsat8：整个地球表面的卫星视角图，每隔几周更新一次。
• 地址：https://landsat.usgs.gov/landsat-8

• NEXRAD：美国大气层的多普勒雷达扫描图。
• 地址： https://www.ncdc.noaa.gov/data-access/radar-data/nexrad

————————我是深度学习图像的分割线————————

人工数据集

• Arcade Universe：一个人工数据集生成器，图像包含街机游戏 sprite，如 tetris pentomino / tetromino。该生成器基于 O. Breleux 的 bugland 数据集生成器。
• 地址：https://github.com/caglar/Arcade-Universe

• 以 Baby AI School 为灵感的数据集集合。
• 地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/BabyAISchool

• Baby AI Shapes Dataset：区分 3 种简单形状。
• 地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/BabyAIShapesDatasets

• Baby AI Image And Question Dataset：一个问题-图像-答案数据集。
• 地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/BabyAIImageAndQuestionDatasets

• Deep Vs Shallow Comparison ICML2007：为实证评估深层架构而生成的数据集。
• 地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/DeepVsShallowComparisonICML2007

• MnistVariations：在 MNIST 中引入受控变化。
• 地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/MnistVariations

• RectanglesData：区分宽矩形和垂直矩形。
• 地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/RectanglesData

• ConvexNonConvex：区分凸形和非凸形状。
• 地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/ConvexNonConvex

• BackgroundCorrelation：嘈杂 MNIST 背景下相关度的控制
• 地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/BackgroundCorrelation

（编辑：济源站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!