目錄

數據集網站

具體數據集：

補充醫療圖像：

補充：多模態數據集匯總鏈接：

補充我記錄的一些鏈接：

機器學習具體方向領域數據集

圖片

情緒分析

自然語言處理

自動駕駛

臨床

一般數據集

公共政府數據集

金融與經濟

2022-09-20 再次更新：

尋找一個好用的數據集需要注意一下幾點：?

數據集不混亂，否則要花費大量時間來清理數據。

數據集不應包含太多行或列，否則會難以使用。

數據越干凈越好，清理大型數據集可能非常耗時。

應該預設一個有趣的問題，而這個問題又可以用數據來回答。

目前個人認為較好的數據集網站主要有：

數據集網站

1.AI Studio數據集： 開放數據集-百度AI Studio - 人工智能學習與實訓社區

2.天池數據集：數據集-阿里系唯一對外開放數據分享平臺

3.Papers With Code數據集：Machine Learning Datasets | Papers With Code

4.Kaggle 數據集：Find Open Datasets and Machine Learning Projects | Kaggle愛競賽的盆友們應該很熟悉了，Kaggle上有各種有趣的數據集，拉面評級、籃球數據、甚至西雅圖的寵物許可證。

5.Graviti Open Datasets：公開數據集下載，優質機器學習數據集，圖像識別、NLP免費獲取 | 格物鈦，非結構化數據平臺

6.Huggingface數據集：Hugging Face – The AI community building the future.

7.CLUE 數據集：https://www.cluebenchmarks.com/dataSet_search.html

8.各領域機器學習數據集匯總（附下載地址）

9.UCI機器學習庫：最古老的數據集源之一，是尋找有趣數據集的第一站。雖然數據集是用戶貢獻的，因此具有不同的清潔度，但絕大多數都是干凈的，可以直接從UCI機器學習庫下載，無需注冊。

10.VisualData：分好類的計算機視覺數據集，可以搜索~

具體數據集：

KITTI數據集：The KITTI Vision Benchmark Suite (cvlibs.net)

Cityscapes：Cityscapes Dataset – Semantic Understanding of Urban Street Scenes (cityscapes-dataset.com)

牛津數據集：[Datasets (ox.ac.uk)](https://robotcar-dataset.robots.ox.ac.uk/datasets/)

ApolloScape：[Apollo Scape](http://apolloscape.auto/)

BDD100K：Berkeley DeepDrive

Waymo Open Dataset：GitHub - waymo-research/waymo-open-dataset: Waymo Open Dataset

nuScenes數據集：https://www.nuscenes.org/download

3D Photography Dataset：(uiuc.edu)

Matterport 3D重建數據集：[Capture, share, and collaborate the built world in immersive 3D (matterport.com)](https://matterport.com/)

NoW Dataset：(mpg.de)

Pix3D：[Pix3D (mit.edu)](http://pix3d.csail.mit.edu/)

Replica Dataset：GitHub - facebookresearch/Replica-Dataset: The Replica Dataset v1 as published in https://arxiv.org/abs/1906.05797 .

Scan2CAD：[GitHub - skanti/Scan2CAD: CVPR'19] Dataset and code used in the research project Scan2CAD: Learning CAD Model Alignment in RGB-D Scans

ScanNet：[ScanNet | Richly-annotated 3D Reconstructions of Indoor Scenes (scan-net.org)](http://www.scan-net.org/)

NYC3Dcars：[NYC3DCars (cornell.edu)](http://nyc3d.cs.cornell.edu/)

Expressive Hands and Faces：[Computer Vision Group - Home (tum.de)](https://vision.in.tum.de/)

TUM數據集：[SMPL-X (mpg.de)](https://smpl-x.is.tue.mpg.de/)

EUROC數據集：[kmavvisualinertialdatasets – ASL Datasets (ethz.ch)](https://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets)

補充醫療圖像：

肺結節數據庫LIDC-IDRI：LIDC-IDRI - The Cancer Imaging Archive (TCIA) Public Access - Cancer Imaging Archive Wiki

乳腺圖像數據庫DDSM MIAS：http://deckard.mc.duke.edu/ddsm_sql/book1.html

醫學圖像問答：Medical Image Format FAQ

ISBI：Challenges - Grand Challenge

補充：多模態數據集匯總鏈接：

多模態分析數據集（Multimodal Dataset）整理 - 知乎

補充我記錄的一些鏈接：

• 工業數據集匯總：開源工業缺陷數據集匯總，持續更新中（已更新28個） - 知乎

• 醫療數據集匯總：GitHub - linhandev/dataset: 醫學影像數據集列表

• 1、Kaggle競賽數據集 2、自然語言處理 3、圖像數據 4、推薦系統 5、金融 6、交通 7、商業 8、醫療健康 9、視頻數據 10、音頻數據 11、文本、評價、回答數據集合 12、科研 13、其他數據集綜合 匯總：各領域近千條數據集公開，你要的這里都有 - 知乎

• 激光雷達數據集匯總：匯總|基于激光雷達的3D目標檢測開源項目&數據集 - 知乎

• 知乎相關數據集匯總：整理了一下關于知乎的公開數據集（歡迎評論補充） - 知乎

• 圖論相關數據集匯總：圖數據集分享 - 知乎

• 各領域公開數據集匯總（金融，醫療，nlp，圖像等等）：各領域公開數據集下載 - 知乎

• 各類數據集匯總：GitHub - awesomedata/awesome-public-datasets: A topic-centric list of HQ open datasets.

機器學習具體方向領域數據集

圖片

Labelme：帶注釋的大型圖像數據集。

ImageNet：大家熟悉的ImageNet，女神李飛飛參與創建，同名比賽影響整個計算機視覺界。

LSUN：場景理解與許多輔助任務（房間布局估計，顯著性預測等）

MS COCO：同樣也是知名計算機視覺數據集，同名比賽每年都被中國人屠榜。

COIL 100：100個不同的物體在360度旋轉的每個角度成像。

視覺基因組：非常詳細的視覺知識庫。

谷歌開放圖像：在知識共享下的900萬個圖像網址集合“已經注釋了超過6000個類別的標簽”。

野外標記面：13000張人臉標記圖像，可以用于開發涉及面部識別的應用程序。

斯坦福狗子數據集：20580張狗子的圖片，包括120個不同品種。

室內場景識別：包含67個室內類別，15620個圖像。

情緒分析

多域情緒分析數據集：一個稍老一點的數據集，用到了來自亞馬遜的產品評論。

IMDB評論：用于二元情緒分類的數據集，不過也有點老、有點小，有大約25000個電影評論。

斯坦福情緒樹庫：帶有情感注釋的標準情緒數據集。

Sentiment140：一個流行的數據集，它使用160,000條預先刪除表情符號的推文。

Twitter美國航空公司情緒：2015年2月美國航空公司的Twitter數據，分類為正面，負面和中性推文。

自然語言處理

HotspotQA數據集：具有自然、多跳問題的問答數據集，具有支持事實的強大監督，以實現更易于解釋的問答系統。

安然數據集：來自安然高級管理層的電子郵件數據。

亞馬遜評論：包含18年來亞馬遜上的大約3500萬條評論，數據包括產品和用戶信息，評級和文本審核。

Google Books Ngrams：Google Books中的一系列文字。

Blogger Corpus：收集了來自blogger.com的681,288篇博文，每篇博文至少包含200個常用英語單詞。

維基百科鏈接數據：維基百科的全文，包含來自400多萬篇文章的近19億個單詞，可以按段落、短語或段落本身的一部分進行搜索。

Gutenberg電子書列表：Gutenberg項目中帶注釋的電子書書單。

Hansards加拿大議會文本：來自第36屆加拿大議會記錄的130萬組文本。

Jeopardy：來自問答節目Jeopardy的超過200,000個問題的歸檔。

英文垃圾短信收集：由5574條英文垃圾短信組成的數據集。

Yelp評論：Yelp，就是美國的“大眾點評”，這是他們發布的一個開放數據集，包含超過500萬條評論。

UCI的Spambase：一個大型垃圾郵件數據集，對垃圾郵件過濾非常有用。

自動駕駛

Berkeley DeepDrive BDD100k：目前最大的自動駕駛數據集，包含超過100,000個視頻，其中包括一天中不同時段和天氣條件下超過1,100小時的駕駛體驗。其中帶注釋的圖像來自紐約和舊金山地區。

百度Apolloscapes：度娘的大型數據集，定義了26種不同物體，如汽車、自行車、行人、建筑物、路燈等。

Comma.ai：超過7小時的高速公路駕駛，細節包括汽車的速度、加速度、轉向角和GPS坐標。

牛津的機器人汽車：這個數據集來自牛津的機器人汽車，它于一年時間內在英國牛津的同一條路上，反反復復跑了超過100次，捕捉了天氣、交通和行人的不同組合，以及建筑和道路工程等長期變化。

城市景觀數據集：一個大型數據集，記錄50個不同城市的城市街景。

CSSAD數據集：此數據集對于自動駕駛車輛的感知和導航非常有用。不過，數據集嚴重偏向發達國家的道路。

KUL比利時交通標志數據集：來自比利時法蘭德斯地區數以千計的實體交通標志的超過10000條注釋。

MIT AGE Lab：在AgeLab收集的1,000多小時多傳感器駕駛數據集的樣本。

LISA：UC圣迭戈智能和安全汽車實驗室的數據集，包括交通標志、車輛檢測、交通信號燈和軌跡模式。

博世小交通燈數據集：用于深度學習的小型交通燈的數據集。

LaRa交通燈識別：巴黎的交通信號燈數據集。

WPI數據集：交通燈、行人和車道檢測的數據集。

臨床

MIMIC-III：MIT計算生理學實驗室的公開數據集，標記了約40000名重癥監護患者的健康數據，包括人口統計學、生命體征、實驗室測試、藥物等維度。

一般數據集

除了機器學習專用的數據集，還有一些其他的一般數據集，可能很有趣~

公共政府數據集

Data.gov：該網站可以從多個美國政府機構下載數據，包括各種奇怪的數據，從政府預算到考試分數都有。不過，其中大部分數據需要進一步研究。

食物環境地圖集：本地食材如何影響美國飲食的數據。

學校財務系統：美國學校財務系統的調查。

慢性病數據：美國各地區慢性病指標數據。

美國國家教育統計中心：教育機構和教育人口統計數據，不僅有美國的數據，也有一些世界上其他地方的數據。

英國數據服務：英國最大的社會、經濟和人口數據集。

數據美國：全面可視化的美國公共數據。

補充一句，我國國家統計局其實也不錯：國家統計局。

金融與經濟

Quandl：經濟和金融數據的良好來源，有助于建立預測經濟指標或股票價格的模型。

世界銀行開放數據：全球人口統計數據，還有大量經濟和發展指標的數據集。

國際貨幣基金組織數據：國際貨幣基金組織公布的有關國際金融，債務利率，外匯儲備，商品價格和投資的數據。

金融時報市場數據：來自世界各地的金融市場的最新信息，包括股票價格指數，商品和外匯。

Google Trends：世界各地的互聯網搜索行為和熱門新聞報道的數據。

美國經濟協會：美國宏觀經濟數據。

........待補充，會繼續更新奧！

這些數據集應該能滿足大部分人的需求。

我倡議大家不要無腦搬運數據集，最好是搬一個數據集配套一個項目，優化社區生態，我們共同努力！ヾ(≧?≦*)ゝ

2022-09-20 再次更新：

先直接上一個大boss：谷歌的

Dataset Search?datasetsearch.research.google.com/

同時，留一些鏈接記錄一些數據集網址集合：

Best Public Datasets for Machine Learning and Data Science

免費數據集下載

吐血整理：43種機器學習開源數據集

各類數據集整理（持續更新中ing）

數據集大全：25個深度學習的開放數據集

找動態網絡的數據集

機器學習需要的大量數據集從哪里找?

資源 | 機器學習高質量數據集大合輯

AMiner Dataset

NETWORK DATASETS

Index of Complex Networks（支持條件篩選）

toreopsahl.com 數據集?（種類較多）

Stanford Large Network Dataset Collection

The KONECT Project

Network data

LINK-group

Network data sets

Kaggle

格物鈦graviti

以下為詳細的數據集：

Enron Email（郵件數據集）

DBLP數據集（論文合作關系）

Cora（引文網絡）

Citeseer?（引文網絡）

Social Spammer?（垃圾郵件數據集）

Astro Physics collaboration network（合作網絡）

Hypertext 2009 Contact Network（會議與會者接近程度數據集）

SFHH?（會議與會者接近程度數據集）

Citation Network Dataset（引文網絡）

Patent citation network?（專利引用網絡）

Online Social Networks（Flickr、LiveJournal、Orkut、YouTube）—?含Group

參考博客：最強數據集集合：50個最佳機器學習公共數據集丨資源_量子位的博客-CSDN博客?

總結

以上是生活随笔為你收集整理的深度学习 机器学习 数据集资源汇总的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。