这是一份非常全面的开源数据集，你，真的不想要吗？
作者：CQITer小编 时间：2018-09-06 01:00
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：
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：
Open Data Monitor：https://opendatamonitor.eu/
Quandl Data Portal：https://www.quandl.com/
Mut1ny 头部/面部分割数据集：
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：
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：
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：~kriz/cifar.html
Caltech 101：101 类物体的图片。
地址：
Caltech 256：256 类物体的图片。
地址：
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：~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：
NORB：玩具摆件在各种照明和姿势下的双目图像。
地址：~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：
Labelme：带注释图像的大型数据集。
地址：
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：
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：
MS COCO：通用图像理解/说明，有关联竞赛。
地址：
COIL 20：不同物体在 360 度旋转中以每个角度成像。
地址：
COIL100：不同物体在 360 度旋转中以每个角度成像。
地址：
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：
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：~lisa/twiki/bin/view.cgi/Public/BabyAISchool
Baby AI Shapes Dataset：区分 3 种简单形状。
地址：~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：~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：~lisa/twiki/bin/view.cgi/Public/DeepVsShallowComparisonICML2007
MnistVariations：在 MNIST 中引入受控变化。
地址：~lisa/twiki/bin/view.cgi/Public/MnistVariations
RectanglesData：区分宽矩形和垂直矩形。
地址：~lisa/twiki/bin/view.cgi/Public/RectanglesData
ConvexNonConvex：区分凸形和非凸形状。
地址：~lisa/twiki/bin/view.cgi/Public/ConvexNonConvex
BackgroundCorrelation：嘈杂 MNIST 背景下相关度的控制
地址：~lisa/twiki/bin/view.cgi/Public/BackgroundCorrelation
人脸数据集
;){kind=link}
;){kind=link}
;){kind=link}
;){kind=link}