|
人脸数据集
- Labelled Faces in the Wild：13000 个经过裁剪的人脸区域(使用已经用名称标识符标记过的 Viola-Jones)。数据集中每个人员的子集里包含两个图像——人们常用此数据集训练面部匹配系统。
- 地址：http://vis-www.cs.umass.edu/lfw/
- UMD Faces：有 8501 个主题的 367，920 个面孔的带注释数据集。
- 地址：http://www.umdfaces.io/
- CASIA WebFace：超过 10，575 个人经面部检测的 453，453 张图像的面部数据集。需要一些质量过滤。
- 地址：http://www.cbsr.ia.ac.cn/english/CASIA-WebFace-Database.html
- MS-Celeb-1M：100 万张全世界的名人图片。需要一些过滤才能在深层网络上获得最佳结果。
- 地址：https://www.microsoft.com/en-us/research/project/ms-celeb-1m-challenge-recognizing-one-million-celebrities-real-world/
- Olivetti：一些人类的不同图像。
- 地址：http://www.cs.nyu.edu/~roweis/data.html
- Multi-Pie：The CMU Multi-PIE Face 数据库。
- 地址：http://www.multipie.org/
- Face-in-Action：http://www.flintbox.com/public/project/5486/
- JACFEE：日本和白种人面部情绪表达的图像。
- 地址：http://www.humintell.com/jacfee/
- FERET：面部识别技术数据库。
- 地址：http://www.itl.nist.gov/iad/humanid/feret/feret_master.html
- mmifacedb：MMI 面部表情数据库。
- 地址：http://www.mmifacedb.com/
- IndianFaceDatabase：http://vis-www.cs.umass.edu/~vidit/IndianFaceDatabase/
- 耶鲁人脸数据库：http://vision.ucsd.edu/content/yale-face-database
- 耶鲁人脸数据库 B：http://vision.ucsd.edu/~leekc/ExtYaleDatabase/ExtYaleB.html
- Mut1ny 头部/面部分割数据集：像素超过 16K 的面部/头部分割图像
- 地址：http://www.mut1ny.com/face-headsegmentation-dataset
————————我是深度学习视频的分割线————————
视频数据集
- Youtube-8M：用于视频理解研究的大型多样化标记视频数据集。
- 地址：https://research.googleblog.com/2016/09/announcing-youtube-8m-large-and-diverse.html
文本数据集
- 20 newsgroups：分类任务，将出现的单词映射到新闻组 ID。用于文本分类的经典数据集之一，通常可用作纯分类的基准或任何 IR /索引算法的验证。
- 地址：http://qwone.com/~jason/20Newsgroups/
- 路透社新闻数据集：(较旧)纯粹基于分类的数据集，包含来自新闻专线的文本。常用于教程。
- 地址：https://archive.ics.uci.edu/ml/datasets/Reuters-21578+Text+Categorization+Collection
- 宾州树库：用于下一个单词或字符预测。
- 地址：http://www.cis.upenn.edu/~treebank/
- UCI‘s Spambase：来自著名的 UCI 机器学习库的(旧版)经典垃圾邮件数据集。根据数据集的组织细节，可以将它作为学习私人垃圾邮件过滤的基线。
- 地址：https://archive.ics.uci.edu/ml/datasets/Spambase
- Broadcast News：大型文本数据集，通常用于下一个单词预测。
- 地址：http://www.ldc.upenn.edu/Catalog/CatalogEntry.jsp?catalogId=LDC97S44
- 文本分类数据集：来自 Zhang et al., 2015。用于文本分类的八个数据集合集。这些是用于新文本分类基线的基准。样本大小从 120K 至 3.6M 不等，范围从二进制到 14 个分类问题。数据集来自 DBPedia、亚马逊、Yelp、Yahoo!和 AG。
- 地址：https://drive.google.com/drive/u/0/folders/0Bz8a_Dbh9Qhbfll6bVpmNUtUcFdjYmF2SEpmZUZUcVNiMUw1TWN6RDV3a0JHT3kxLVhVR2M
- WikiText：来自维基百科高质量文章的大型语言建模语料库，由 Salesforce MetaMind 策划。
- 地址：http://metamind.io/research/the-wikitext-long-term-dependency-language-modeling-dataset/
- SQuAD：斯坦福问答数据集——应用广泛的问答和阅读理解数据集，其中每个问题的答案都以文本形式呈现。
- 地址：https://rajpurkar.github.io/SQuAD-explorer/
- Billion Words 数据集：一种大型通用语言建模数据集。通常用于训练分布式单词表征，如 word2vec。
- 地址：http://www.statmt.org/lm-benchmark/
- Common Crawl：网络的字节级抓取——最常用于学习单词嵌入。可从 Amazon S3 上免费获取。也可以用作网络数据集，因为它可在万维网进行抓取。
- 地址：http://commoncrawl.org/the-data/
- Google Books Ngrams：来自 Google book 的连续字符。当单词首次被广泛使用时，提供一种简单的方法来探索。
- 地址：https://aws.amazon.com/datasets/google-books-ngrams/
- Yelp 开源数据集：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
————————我是深度学习文本的分割线———————— （编辑：焦作站长网）
【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!
|
