人工智能机器学习数据集收集整理--持续更新中

关键词：机器学习；人工智能；数据集；标准数据集；自然语言处理；图像识别

自然语言处理相关数据集

1、实体/名词语义关系标记数据集【David S. Batista】
2、HackerNews数据集(2006年以来约1/4文章) 【Kaggle】
3、酒店评价数据集【Kaggle】
4、来自Stack Overflow平台的Python语言问答数据集【Kaggle】
5、来自Stack Overflow品台的R语言问答数据集【Kaggle】
6、NIPS(1987-2016)论文数据集【Kaggle】
7、自然语言推理(文本蕴含标记)数据集【NYU】
8、(20万)英文笑话数据集【TaivoPungas】
9、保险行业问答(QA)数据集【Minwei Feng】
10、Stanford NLP发布新的多轮、跨域、任务导向对话数据集【Mihail Eric】
11、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)
12、2.8万文章/10万问题大规模(英语考试)阅读理解数据集
13、错误拼写数据集
14、文本简化数据集
15、英语词/句/语义框架框架标注数据集FrameNet
16、自然语言处理(NLP)数据集列表【Nicolas Iderhoff】
17、跨语种/多样式/多粒度文本相似性检测数据集
18、Quora数据集：400000行潜在重复问题
19、文本分类数据集
20、Frames：Maluuba对话数据集
21、跨域(Amazon商品评论)情感数据集
22、语义网机器学习系统评价/基准数据集集合
23、新的YELP数据集：包含470万评论和15.6万商家

---

计算机视觉、图像识别数据集

1、ADE20K场景感知/解析/分割/多目标识别数据集【MIT】
2、巴基斯坦无人机袭击数据集(2004-2016)【Kaggle】
3、(Stanford)69G大规模无人机(校园)图像数据集【Stanford】
4、人脸素描数据集【CUHK】
5、多模态二元行为数据集【GaTech】
6、4D扫描(60fps移动非刚性物体3D扫描)数据集【D-FAUST】
7、基于MNIST的视觉计数合成数据集Counting MNIST
8、YouTube MV视频数据集【Keunwoo Choi】
9、计算机视觉合成数据集/工具大列表【unrealcv】
10、动物属性标记数据集【ChristophH. Lampert／Daniel Pucher／JohannesDostal】
11、e-VDS视频数据集
12、Quick, Draw!简笔画涂鸦数据集
13、简笔画涂鸦数据集【hardmaru】
14、大规模街道级图片(分割)数据集【Peter Kontschieder】
15、大规模日语图片描述数据集
16、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）
17、PyTorch实现的VOC2012数据集Pixel-wise目标分割【BodoKaiser】
18、Twenty Billion Neurons对象复杂运动与交互视频数据集【Nikita Johnson】
19、搜狗实验室数据集
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。
20、IMAGECLEF图像数据集
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）
21、Cross Language Evaluation Forum (CLEF)数据集

---

其他类数据集

1、人口普查收入数据集分类
2、全球恐怖袭击事件数据集【START Consortium】
3、1789-2016历任美国总统签署行政命令数据集【Kaggle】
4、用于欺诈检测的合成财务数据集【TESTIMON】
5、NSynth：大规模高质量音符标记音频数据集
6、大型医疗数据集分析与机器学习建模【AkshayBhat】
7、部分机器学习数据集汇总
8、用于评价监督机器学习算法的基准数据集