dataset

用于机器学习模型和数据管道的开源数据日志库。📚 提供对数据质量和模型长期性能的可见性。🛡️ 支持隐私保护的数据收集，确保安全与鲁棒性。📈

🎁 超过 7,400,000 张 Unsplash 图片，可用于研究与机器学习

[ECCV 2018] CCPD：一个多样化且标注良好的车牌检测与识别数据集

适用于 Python 的色彩科学

中文医学 NLP 公开资源整理：术语集/语料库/词向量/预训练模型/知识图谱/命名实体识别/QA/信息抽取/模型/论文/etc

180 个免费的 CSS3、Figma、Sketch 与 PSD 渐变 —— 另外包含适用于设计工具、生成器和 AI agent 的 JSON 数据集。

将 ISO 3166-1 国家列表与联合国地理方案 (UN Geoscheme) 区域代码合并，提供即用型的 JSON、XML、CSV 数据集

Objectron 是一个以对象为中心的短视频片段数据集。此外，这些视频还包含 AR 会话元数据，包括相机姿态、稀疏点云和平面。在每个视频中，相机在对象周围和上方移动，从不同视角捕捉它。每个对象都标注了 3D 边界框。3D 边界框描述了对象的位置、方向和尺寸

用于遥感变化检测的数据集、工具、方法、综述论文和竞赛的全面且最新的汇总。

一个信息检索的异构基准测试。简单易用，可在 15 个以上不同的 IR 数据集上评估您的模型。

🔊 语音与声音计算开源数据集的完整清单（95+ 个数据集）。

一个全局的公有领域地图数据集，提供三种比例尺，并具备紧密集成的矢量与光栅数据。

收集自阿里巴巴生产集群的集群数据，用于集群管理研究

通过简单的网页界面或桌面应用程序，协作并标注任何类型的数据、图像、文字或文档。

fastdup 是一款强大且免费的工具，旨在从图像与视频数据集中快速生成有价值的洞察。它有助于提高图像和标签的质量，同时大幅降低数据运维成本，并具备无与伦比的可扩展性。

基于图/Transformer 的欺诈、异常与离群值检测论文与资源精选列表

精选的雷达数据集、检测、追踪与融合资源列表

ESC-50：环境声音分类数据集

与 Deepfake 检测相关的工具、论文和代码清单

越南行政单位的全面性 SQL 与 GIS 数据集，包含省份、地区、坊/社以及地理空间边界。

心理健康大模型 (LLM x Mental Health), Pre & Post-training & Dataset & Evaluation & Depoly & RAG, 搭配 InternLM / Qwen / Baichuan / DeepSeek / Mixtral / LLama / GLM 系列模型

[CVPR2024 Highlight] VBench - 我们评估视频生成

你的数据里有什么？从数据集中提取 Schema、统计数据与实体

用于高效神经网络训练的数据流库

HumanML3D：一个大型且多样化的 3D 人体动作语言数据集。

一个多语言对话语料库

[pip install medmnist] 用于 2D 与 3D 生物医学图像分类的 18 个标准化数据集

公司名语料库。机构名语料库。公司简称、缩写、品牌词、企业名。可用于中文分词、机构名实体识别。

这是推荐系统 (RS) 的公开数据来源仓库。