本篇文章探讨了大数据采集之一份非常全面的开源数据集，希望阅读本篇文章以后大家有所收获，帮助大家对相关内容的理解更加深入。

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，现机器之心将其整理如下：（内附链接哦~）

最近新增数据集

• 开源生物识别数据：//openbiometrics.org/
  

• 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：//dataportals.org/

• Open Data Monitor：https://opendatamonitor.eu/

• Quandl Data Portal：https://www.quandl.com/

• Mut1ny 头部/面部分割数据集：//www.mut1ny.com/face-headsegmentation-dataset

• 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：//headctstudy.qure.ai/

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：//yann.lecun.com/exdb/mnist/

• 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：//www.cs.utoronto.ca/~kriz/cifar.html

• Caltech 101：101 类物体的图片。

• 地址：//www.vision.caltech.edu/Image_Datasets/Caltech101/

• Caltech 256：256 类物体的图片。

• 地址：//www.vision.caltech.edu/Image_Datasets/Caltech256/

本文由职坐标整理发布，学习更多的相关知识，请关注职坐标IT知识库！