深度学习开源数据集
Images Analysis 图像分析
| 数据集 | 介绍 | 备注 | 网址 |
|---|---|---|---|
| Flickr30k | 图片描述 | 31,783 images，每张图片5个语句标注 | 传送门 |
| Microsoft COCO | 图片描述 | 330,000 images,每张图片至少5个语句标注 | 传送门 |
| ESP Game | 多标签定义图像 | 20,770 images，268 tags，诸如bed, light man,music | 传送门 |
| IAPRTC-12 | 多标签定义图像 | 19,452 images,291 tags | 传送门 |
| NUS-WIDE | 多标签定义图像 | 269,648 images,several tags (2-5 on average) per image | 传送门 |
| CUHK-PEDES | 以文搜图 | 34,054 images，每张图片2条描述 | 传送门 |
| VRD | 视觉关系检测 | 5,000 images, 100目录，37,993对关系 | 传送门 |
| sVG | 视觉关系检测 | 108,000 images, 998,000对关系 | 传送门 |
| Visual Genome Dataset | 图像属性检测 | 108,077 images, 5.4 M 区域块，2.8 M 属性，2.3 M 关系 | 传送门 |
| VQA | 问答系统 | 1,105,904问题，11,059,040 回答 | 传送门 |
| Visual7W | 问答系统 | 327,939 问答对 | 传送门 |
| TID2013 | 图像质量评价 | 25张参考图像，24个失真类型 | 传送门 |
| CSIQ | 图像质量评价 | 30张参考图像，6个失真类型 | 传送门 |
| LIVE | 图像质量评价 | 29张参考图像，5个失真类型 | 传送门 |
| WATERLOO | 图像质量评价 | 4744张参考图像，20个失真类型 | 传送门 |
| photo .net | 图像美观评价 | 20,278张图像，打分[0,10] | 传送门 |
| DPChallenge .com | 图像美观评价 | 16,509张图像，打分[0,10] | 传送门 |
| CUHK | 图像美观评价 | 28,410张图像，只分高质量和低质量 | 传送门 |
| AVA | 图像美观评价 | 255,500张图像，打分[0,10] | 传送门 |
Image Motion & Tracking 图像运动与跟踪
| 数据集 | 介绍 | 备注 | 网址 |
|---|---|---|---|
| CUHK03 | Person re-identification(人重识别) | image num:13164 person num:1360 camera num:10( 5 pairs) | 传送门 |
| CUHK02 | Person re-identification(人重识别) | image num:7264 person num:1816 camera num:10( 5 pairs) | 传送门 |
| CUHK01 | Person re-identification(人重识别) | image num:3884 person num:971 camera num: 2 | 传送门 |
| VIPeR | Person re-identification(人重识别) | image num:1264 person num:632 camera num:2 | 传送门 |
| ETH1,2,3 | Person re-identification(人重识别) | image num:8580 person num:83,35,28 camera num:1 | 传送门 |
| PRID2011 | Person re-identification(人重识别) | image num:24541 person num:934 camera num:2 | 传送门 |
| MARS | Person re-identification(人重识别) | image num:11910031 person num:1261 camera num:6 | 传送门 |
| Market1501 | Person re-identification(人重识别) | image num:32217 person num:1501 camera num:6 | 传送门 |
| Epic Fail (EF) dataset | Risk Assessment(风险评估) | video num:3000 | 传送门 |
| Street Accident (SA) dataset | Risk Assessment(风险评估) | video num:1733 | 传送门 |
| OTB-50 | visual tracking(跟踪) | video num:50 | 传送门 |
| OTB-100 | visual tracking(跟踪) | video num:100 | 传送门 |
| VOT2015 | visual tracking(跟踪) | video num:60 | 传送门 |
| ALOV300 | visual tracking(跟踪) | video num:314 | 传送门 |
| MOT | visual tracking(跟踪) | video num train:11 test:11 | 传送门 |
| THUMOS | Temporal action localization(动作定位) | video num:~3K activities class:20 instances:~3K | 传送门 |
| ActivityNet | Temporal action localization(动作定位) | video num:20k activities class:200 instances:7.6K | 传送门 |
| Mexaction2 | Temporal action localization(动作定位) | activities class:2 instances:1975 | 传送门 |
| FlyingChairs dataset | optical flow(光流) | image pairs：22k | 传送门 |
| FlyingThings3D | optical flow(光流) | image pairs：22k | 传送门 |
| KITTI benchmark suite | optical flow(光流) | image pairs：1600 | 传送门 |
| MPI Sintel | optical flow(光流) | image pairs：1064 | 传送门 |
Video Analysis & Scene Understanding 影像分析与情景理解
| 数据集 | 介绍 | 备注 | 网址 |
|---|---|---|---|
| UCF101 | 动作行为识别 | 13320 video,101类动作，主要是五大类：1)人-物交互；2)肢体运动；3)人-人交互；4)弹奏乐器；5)运动 | 传送门 |
| HMDB51 | 动作行为识别 | 7000 videos,51类，包括人脸表情动作，身体动作，人与人交互等 | 传送门 |
| Moments-in-Time | 动作行为识别 | 1,000,000 videos,339类 | 传送门 |
| ActivityNet 1.3 | 动作行为识别 | 20,000 videos,200类 | 传送门 |
| Kinetics | 动作行为识别 | 300,000 videos，400类 | 传送门 |
| AVA | 动作行为识别 | 57,600 videos，80类 | 传送门 |
| Collective Activity Dataset | 群体活动行为识别 | 44 videos,穿叉、行走、等待、交谈和排队 五类 | 传送门 |
| Choi’s New Dataset | 群体活动行为识别 | 32 videos，聚会，谈话，分开，一起走，追逐和排队 六类 | None |
| ActivityNet 1.3 | 检测动作事件的起始时间和终止时间 | 20,000 videos,200类动作的起始时间和终止时间 | 传送门 |
| THUMOS | 检测动作事件的起始时间和终止时间 | 15,000 videos，101类动作的起始时间和终止时间 | 传送门 |
| MED | 事件检测 | 32,744 videos,20个事件 | 传送门 |
| EventNet | 事件检测 | 90,000 videos，500个事件 | 传送门 |
| Columbia Consumer Video | 事件检测 | 9,317 videos，20个事件 | 传送门 |
| ADE20K | 事件检测 | 20,210 videos，900个事件 | 传送门 |
| DAVIS | 视频主物体分割 | 50 videos，分割标注 | 传送门 |
| FBMS | 视频主物体分割 | 59 videos，分割标注 | 传送门 |
| IJB-C | 视频人脸识别 | 11,000 videos | 传送门 |
| YouTube Faces | 视频人脸识别 | 3,425 videos，1595 人 | 传送门 |
| MS-Celeb-1M | 视频人脸识别 | 1,000,000 images，21,000人 | 传送门 |
| MSVD | 视频描述 | 1,970 videos | 传送门 |
| MSR-VTT-10K | 视频描述 | 10，000 videos | 传送门 |
3D Computer Vision 3d计算机视觉
| 数据集 | 介绍 | 备注 | 网址 |
|---|---|---|---|
| photoface database | 基于光度立体视觉的二维和三维人脸识别数据库 | 总共7356张图像，包含1839个session和261个subjects | None |
| NYU Depth V2 dataset | 关于RGBD 图像场景理解的数据库 | 提供1449张深度图片和他们的密集2d点类标注 | 传送门 |
| SUN RGBD dataset | 是上面的NYU Depth V2 dataset的超集，多了3D bounding boxes和room layouts的标注。 | 有10,000张RGB-D图片，有58,657个3D包围框和146,617 个2d包围框。 | 传送门 |
| PASCAL3D+ | 新的三维物体检测和姿态估计数据集，从PASCAL VOC 演化而来，包含图像，注解，和3D CAD模型 | 总共12个类，平均每个类别有3000多个实例 | 传送门 |
| IKEA | 包含典型室内场景的三维模型的数据库，例如桌子椅子等 | 包含大约759张图片和219个3D模型 | 传送门 |
| New Tsukuba Dataset | 包含了很多立体物体对的数据库，用于立体物体匹配 | 总共1800个立体物体对，以及每立体对的立体视差图、遮挡图和不连续图 | 传送门 |
| Oxford RobotCar Dataset | 关于户外自动驾驶的数据集。 | 包含在驾驶汽车过程从6个摄像头收集的2000w张图片，和当时的激光雷达，GPS和地面实况标注。 | 传送门 |
| Middlebury V3 | 包含高分辨率物体立体视差标注的数据库 | 包含33个类，没有明说每类有多少数据 | 传送门 |
| ShapeNet | 包含3D模型，和3d模型的类别标注的数据集，覆盖了常用的3D数据集PASCAL 3D+。 | 它涵盖55个常见的对象类别，有大约51,300个3D模型 | 传送门 |
| MICC dataset | 包含了3D人脸扫描和在不同分辨率，条件和缩放级别下的几个视频序列的数据库。 | 有53个人的立体人脸数据 | 传送门 |
| CMU MoCap Dataset | 包含了3D人体关键点标注和骨架移动标注的数据集。 | 有6个类别和23个子类别，总共2605个数据。 | 传送门 |
| DTU dataset | 关于3D场景的数据集。 | 有124个场景，每场景有49/64个位置的RGB图像和结构光标注。 | 传送门 |
Analyzing Humans in Images 人类分析形象化
| 数据集 | 介绍 | 备注 | 网址 |
|---|---|---|---|
| MSR-Action3D | 包含深度的动作识别数据集， 有20个动作， | 总共557个序列。 | 传送门 |
| Florence-3D | 包含深度的动作识别数据集， | 有9个动作，总共215个动作序列。 | 传送门 |
| Berkeley MHAD | 包含深度的动作识别数据集， | 有11个动作，产生660个动作序列。 | 传送门 |
| Online Action Detection | 包含深度的动作识别数据集， | 数据集包含59个长序列，包含10种不同的日常生活行为。 | 传送门 |
| ChaLearn LAP IsoGD Dataset | RGB-D图像的手势识别的数据集。 | 包括47933个RGB-D手势视频，有249个手势标签。Training有35878视频，Validation有5784个，test有6271个 | 传送门 |
| MAFA dataset | 关于面部遮挡问题的数据集 | 有30, 811张人脸和35806张有遮挡的脸组成。 | 传送门 |
| MSRC-12 Kinect Gesture Dataset | 手势识别数据集 | 有4900张图片，包含12个不同手势， | 传送门 |
| 2013 Chalearn Gesture Challenge dataset | 手势识别数据集 | 有11000张图片，包含20个不同手势， | 传送门 |
| WIDER FACE | 人脸检测数据集 | 有 32,203 张图片，标注了393703个人脸。 | 传送门 |
| FDDB | 人脸检测数据集 | 2845张图片，标注了5171张人脸。 | 传送门 |
| 300-VW dataset | 面部表情数据集 | 包含114个视频和总计218,595帧。 | 传送门 |
| HMDB51 | 人类行为识别的数据集 | 包含51个动作，总共有6766个视频剪辑 | 传送门 |
| MPII Cooking Activities Dataset | 人类行为识别的数据集 | 包含65个动作，有5609个视频 | 传送门 |
| UCF101 | 人类行为识别的数据集 | 包含101个动作，有13320个视频 | 传送门 |
| IJB-A dataset | 包含视频和图片人脸识别的数据集 | 包含5712个图像和2085个视频 | 传送门 |
| YouTube celebrities | 视频人脸识别的数据集 | 包含47位名人的1910个视频 | 传送门 |
| COX | 视频人脸识别的数据集 | 包含1000个主题的4000个视频 | 传送门 |
| Human3.6M | 人体姿态估计的数据集 | 360万张3D照片，11名受试者在4个视点下执行15个了不同的动作 | 传送门 |
| iLIDS | 行人重识别的数据集 | 476 张图像，包含119个人 | 传送门 |
| VIPeR | 行人重识别的数据集 | 632个行人图片对（由两个相机拍摄） | 传送门 |
| CUHK01 | 行人重识别的数据集 | 包含971行人, 3884张图片 | 传送门 |
| CUHK03 | 行人重识别的数据集 | 包含1360行人, 13164张图片 | 传送门 |
| RWTH-PHOENIX-Weather multi-signer 2014 | 手语识别的数据集 | 包含了5672个德语手语的句子，有65,227个手语姿势和799,006帧 | 传送门 |
| AFLW | 人类面部关键点的数据集 | 总共约有25k张脸，每幅图像标注了大约21个位置。 | 传送门 |
| CMU mocap database | 动作识别的数据集 | 2235个数据，包含144个不同的动作。 | 传送门 |
| Georgia Tech (GT) database | 人脸识别数据库 | 50个人每人15张人脸。 | 传送门 |
| ORL | 人脸识别数据库 | 40个人每个人10张图。 | 传送门 |
Application 应用
| 数据集 | 介绍 | 备注 | 网址 |
|---|---|---|---|
| DogCentric Activity Dataset | 第一视角的狗和人之间的相互行为的数据集（视频） | 总共有10类，具体数据量没有明说，y是动作类别 | 传送门 |
| JPL First-Person Interaction Dataset | 第一视角观察动作的数据集 | 57个视频，8个大类，y是动作类别 | 传送门 |
| NUS-WIDE | 关于图像文本匹配的数据集 | 269,648个图像和对应的标签 | 传送门 |
| LabelMe Dataset | 关于图像文本匹配的数据集 | 3825个图像和对应标签 | 传送门 |
| Pascal Dataset | 关于图像文本匹配的数据集 | 5011张训练图像和4952张测试图像 | None |
| ICDAR 2015 | 关于文本检测的数据集 | 1500张训练，1000张测试，y为四边形的四个顶点。 | 传送门 |
| COCO-Text | 关于文本检测的数据集 | 63686张图片，其中43686张被选为训练集，剩下的2万用于测试。 | 传送门 |
| MSRA-TD500 | 关于文本检测的数据集 | 300个训练，200个测试图像 | 传送门 |
| Microsoft 7-Scenes Dataset | 室内人体运动的数据集 | 有7种不同室内环境，每包含500-1000张图像视频序列。 | 传送门 |
| Oxford RobotCar | 户外自动驾驶数据集 | 包含图像，激光扫描结果和GPS数据。 | 传送门 |
Low- & Mid-Level Vision 中低水平视觉
| 数据集 | 介绍 | 备注 | 网址 |
|---|---|---|---|
| Deep Video Deblurring for Hand-held Cameras | video/image deblurring(图像去模糊) | video num:71 video time: 3-5s blurry and sharp pair image num:6708 | 传送门 |
| GOPRO dataset | video/image deblurring(图像去模糊) | blurry and sharp pair image num:3214 train num:2103 test num:1111 | 传送门 |
| BSD68 | image restoration(图像修复)/高斯降噪 | image num:68 | 传送门 |
| BSD100 | “image restoration(图像修复)super resolution超分辨率重建” | image num:100 | 传送门 |
| Set5 | “image restoration(图像修复)super resolution超分辨率重建” | image num:5 | 传送门 |
| Set14 | “image restoration(图像修复)super resolution超分辨率重建” | image num:14 | 传送门 |
| Urban100 | “image restoration(图像修复)super resolution超分辨率重建” | image num:100 | 传送门 |
| NYU v2 dataset | “image restoration(图像修复)depth super resolution深度超分辨率重建” | image num:1449 | 传送门 |
| Middlebury dataset | “image restoration(图像修复)depth super resolution深度超分辨率重建” | image pair num: 33 | 传送门 |
| alpha matting benchmark | Natural image matting(抠图) | “train num:27,test num:8” | 传送门 |
| real image benchmark | Natural image matting(抠图) | “train num:49300,test num:1000” | 传送门 |
| MSRA10K/MSRA-B | Image saliency detection(显著性区域检测) | image num(MSRA10K):10000 image num(MSRA-B):5000 | 传送门 |
| ECSSD | Image saliency detection(显著性区域检测) | image num:1000 | 传送门 |
| DUT-OMRON | Image saliency detection(显著性区域检测) | image num:5168 | 传送门 |
| PASCAL-S | Image saliency detection(显著性区域检测) | image num:850 | 传送门 |
| HKU-IS | Image saliency detection(显著性区域检测) | image num:4447 | 传送门 |
| SOD | Image saliency detection(显著性区域检测) | image num:300 | 传送门 |
| Describable Textures Dataset | texture synthesis(纹理合成) | image num:5640 category num:47 split train:val:test = 1:1:1 | 传送门 |
| CVPPP leaf segmentation | Instance segmentation(样例分割) | image num: 161 train num: 128 test num: 33 | 传送门 |
| KITTI car segmentation | Instance segmentation(样例分割) | image num: 3976 train num: 3712 test num: 144 val:120 | 传送门 |
| Cityscapes | Instance segmentation(样例分割) | image num: 5000 train num: 2975 test num: 1525 val:500 | 传送门 |
| SYMMAX | Symmetry Detection(对称性检测) | image num: train:200 test:100 | 传送门 |
| WHSYMMAX | Symmetry Detection(对称性检测) | image num: train:228 test:100 object num: 1 | 传送门 |
| SK506 | Symmetry Detection(对称性检测) | image num: train:300 test:206 object num: 16 | 传送门 |
| Sym-PASCAL | Symmetry Detection(对称性检测) | image num: train:648 test:787 object num: 14 | 传送门 |
| Color Checker Dataset | Color constancy(颜色恒定) | image num: 568 | 传送门 |
| NUS 8-Camera Dataset | Color constancy(颜色恒定) | image num: 1736 | 传送门 |
Text 文本
| 数据集 | 介绍 | 备注 | 网址 |
|---|---|---|---|
| Stanford Sentiment Treebank | 文本情感分析 | 11855个句子划分为239231个短语，每个短语有个概率值，越小越负面，越大越正面 | 传送门 |
| IMDB | 文本情感分析 | 100,000句子，正面负面两类 | 传送门 |
| Yelp | 文本情感分析 | 无 | 传送门 |
| Multi-Domain Sentiment Dataset(Amazon product) | 文本情感分析 | 100,000+句子，正面负面2类或强正面、弱正面、中立、弱负面、强负面5类 | 传送门 |
| SemEval | 文本情感分析 | 20,632句子，三类（正面、负面、中立） | 传送门 |
| Sentiment140(STS) | 文本情感分析 | 1,600,000句子,三类（正面、负面、中立） | 传送门 |
情感/观点/评论 倾向性分析
| 数据集 | 备注 | 网址 |
|---|---|---|
| ChnSentiCorp_htl_all | 7000 多条酒店评论数据，5000 多条正向评论，2000 多条负向评论 | 传送门 |
| waimai_10k | 某外卖平台收集的用户评价，正向 4000 条，负向 约 8000 条 | 传送门 |
| online_shopping_10_cats | 10 个类别，共 6 万多条评论数据，正、负向评论各约 3 万条， 包括书籍、平板、手机、水果、洗发水、热水器、蒙牛、衣服、计算机、酒店 |
传送门 |
| weibo_senti_100k | 10 万多条，带情感标注 新浪微博，正负向评论约各 5 万条 | 传送门 |
| simplifyweibo_4_moods | 36 万多条，带情感标注 新浪微博，包含 4 种情感， 其中喜悦约 20 万条，愤怒、厌恶、低落各约 5 万条 |
传送门 |
| dmsc_v2 | 28 部电影，超 70 万 用户，超 200 万条 评分/评论 数据 | 传送门 |
| yf_dianping | 24 万家餐馆，54 万用户，440 万条评论/评分数据 | 传送门 |
| yf_amazon | 52 万件商品，1100 多个类目，142 万用户，720 万条评论/评分数据 | 传送门 |
更多数据集可前往github搜索“chineseNLP”下载，传送门：
https://github.com/search?utf8=%E2%9C%93&q=chineseNLP&type=
以及大规模数据及：
