Buka Pangkalan Data

Cari kumpulan data sumber terbuka yang membolehkan anda melatih model ML

Dataset Sumber Terbuka Untuk Memulakan Anda dengan Model AI / ML

Keluaran model AI & ML anda hanya sebaik data yang anda gunakan untuk melatihnya - jadi ketepatan yang anda gunakan untuk pengumpulan data dan penandaan dan pengenalpastian data itu penting!

Oleh itu, jika anda ingin memulakan inisiatif AI / ML baru dan sekarang anda dengan cepat menyedari bahawa mencari data latihan berkualiti tinggi akan menjadi salah satu aspek yang lebih mencabar dari projek anda kerana set data berkualiti tinggi adalah bahan bakar yang menjaga AI / Enjin ML sedang berjalan. Kami telah mengumpulkan senarai set data terbuka yang bebas digunakan dan melatih model AI / ML anda di masa hadapan.

Pengkhususan Pemprosesan Bahasa Asli (NLP) Penglihatan Komputer (CV)

Jenis data Audio Image teks video

Pengkhususan	Jenis data	Nama Set Data	Industri / Jabatan	Kes Anotasi / Penggunaan	pautan
+NLP	teks	Ulasan Amazon	E-dagang	Analisis Sentimen	pautan
Penerangan Produk	Satu set ulasan & penilaian 35 Juta dari lebih 18 tahun terakhir dalam teks biasa dengan maklumat pengguna dan produk.
+NLP	teks	Data Pautan Wikipedia	Umum		pautan
Penerangan Produk	Lebih daripada 4 Mn. artikel yang mengandungi 1.9 Bn. perkataan dari Wikipedia. Setiap artikel mengandungi hiperpautan untuk entiti yang berkaitan.
+NLP	teks	Standford Sentimen Treebank	hiburan	Analisis Sentimen	pautan
Penerangan Produk	Set data anotasi sentimen untuk lebih 10,000 ayat ulasan filem Rotten Tomatoes. Tersedia pada peringkat frasa - setiap ayat dihuraikan menjadi subfrasa dengan meduakan pepohon hurai dalam format Penn Treebank.
+NLP	teks	Sentimen Syarikat Penerbangan AS Twitter	Syarikat penerbangan	Analisis Sentimen	pautan
Penerangan Produk	Tweet 2015 di US Airlines terbahagi kepada sentimen positif, neutral dan negatif.
+CV	Image	Imagenet	Umum		pautan
Penerangan Produk	Set data dengan lebih 14 Mn. imej dalam pelbagai format fail dipetakan kepada sekitar 21,000 synset. Synset ialah sinonim dengan entiti berkaitan yang hadir sebagai imej. 1 Mn. Imej mempunyai kotak sempadan dan lebih daripada 1 Mn. imej mempunyai ciri SIFT.
+CV	Image	Gambar Terbuka Google	Umum		pautan
Penerangan Produk	Set data yang serupa dengan ImageNet dengan 600 kategori. Tersedia dalam pembahagian pembangunan, pengesahan dan latihan. Sesetengah imej juga termasuk kotak sempadan dan hubungan visual.
+NLP	teks	Dialog Filem Cornell	hiburan	Dialog	pautan
Penerangan Produk	Koleksi perbualan fiksyen, dengan metadata watak dan filem. Setiap baris ialah dialog antara dua orang, dalam format soalan-jawapan.
Penerangan Produk	Set data jawapan soalan dengan soalan dan jawapan daripada portal Yahoo Answers antara Apr 2007 dan Okt 2007.
+NLP	teks	MS MARCO	Umum	Menjawab Soalan	pautan
Penerangan Produk	Set data jawapan soalan dengan anotasi daripada log carian web Bing. Setiap soalan mengandungi jawapan yang diberikan daripada pengguna, serta petikan web yang mengandungi jawapannya.
+NLP	teks	Set Data Soalan Semulajadi	Umum	Menjawab Soalan	pautan
Penerangan Produk	Dikeluarkan oleh Google, set data ini mengandungi pertanyaan dan jawapan pengguna sebenar daripada artikel Wikipedia.
+NLP	teks	DBPedia	Umum	Graf Pengetahuan	pautan
Penerangan Produk	Satu pemaparan berstruktur Wikipedia, dengan entiti dan perhubungan diekstrak sebagai Graf Pengetahuan.
+NLP	teks	YAGO	Umum	Graf Pengetahuan	pautan
Penerangan Produk	Graf pengetahuan yang mengandungi entiti dan hubungan daripada Wikipedia, WordNet dan GeoNames.
+NLP	teks	FreeBase	Umum	Graf Pengetahuan	pautan
Penerangan Produk	Pangkalan pengetahuan sumber orang ramai yang terdiri daripada entiti dan perhubungan, kini digabungkan ke dalam graf pengetahuan Google.
+NLP	teks	Ontonotes	Umum	Pelabelan Peranan Semantik	pautan
Penerangan Produk	Korpus dengan anotasi peringkat sintaksis, semantik dan wacana yang digunakan dalam tugas bersama CoNLL.
Penerangan Produk	Set data bahasa Inggeris beranotasi untuk entiti bernama seperti orang, organisasi dan lokasi.
+CV	Image	Coco	Umum	Pengesanan Objek	pautan
Penerangan Produk	Objek Biasa dalam Konteks: set data beranotasi yang kaya untuk pengesanan objek, pembahagian dan kapsyen.
+CV	Image	PASCAL VOC	Umum	Pengesanan Objek	pautan
Penerangan Produk	Set data penanda aras untuk pengesanan objek dan cabaran pembahagian.
+CV	Image	Pemandangan bandar	Memandu Autonomi	Segmentasi Semantik	pautan
Penerangan Produk	Set data untuk pemahaman pemandangan bandar dengan anotasi tahap piksel untuk 30 kelas.
+CV	Image	MNIST	Umum	Klasifikasi Digit	pautan
Penerangan Produk	Set data digit tulisan tangan dengan 60,000 latihan dan 10,000 imej ujian 28x28 piksel.
+CV	Image	Fesyen-MNIST	Runcit	Pengelasan Imej	pautan
Penerangan Produk	Set data imej artikel Zalando dalam format yang sama seperti MNIST, digunakan sebagai pengganti drop-in untuk penanda aras.
+NLP	Audio	LibriSpeech	Umum	ASR	pautan
Penerangan Produk	Korpus pertuturan bahasa Inggeris yang dibaca yang diperoleh daripada buku audio, dengan 1000 jam pertuturan dan teks yang berkaitan.
+NLP	Audio	TED-LIUM	Umum	ASR	pautan
Penerangan Produk	Mentranskripsi ceramah TED dengan audio dan transkripsi sejajar untuk penyelidikan pengecaman pertuturan.
+NLP	Audio	TIMIT	Umum	Pengecaman Fonem	pautan
Penerangan Produk	Ucapan yang ditranskripsi secara fonetik bagi penutur bahasa Inggeris Amerika, digunakan secara meluas untuk tugas pengecaman fonem.
+NLP	Audio	Suara biasa	Umum	ASR	pautan
Penerangan Produk	Korpus ucapan baca berbilang bahasa yang disumbangkan oleh sukarelawan di seluruh dunia.
+NLP	Audio	VoxCeleb	Umum	Pengiktirafan Penceramah	pautan
Penerangan Produk	Set data pengenalan pembesar suara berskala besar yang dikumpulkan daripada video YouTube.
+NLP	teks	Lambakan Wikipedia	Umum	Pemodelan Bahasa	pautan
Penerangan Produk	Lambakan teks penuh artikel Wikipedia, dikemas kini dengan kerap, digunakan untuk model bahasa pralatihan.
+NLP	teks	Gigaword	Berita	Pemodelan Bahasa	pautan
Penerangan Produk	Arkib komprehensif data teks wayar berita daripada pelbagai agensi berita.
+NLP	teks	Ulasan IMDB	hiburan	Analisis Sentimen	pautan
Penerangan Produk	Set data semakan filem yang besar untuk klasifikasi sentimen binari.
+CV	video	Kinetik-700	Umum	Pengiktirafan Tindakan	pautan
Penerangan Produk	Set data klip video YouTube berskala besar dan berkualiti tinggi yang meliputi 700 kelas tindakan manusia.
+CV	video	UCF101	Umum	Pengiktirafan Tindakan	pautan
Penerangan Produk	Set data video tindakan realistik, dengan 101 kategori tindakan.
+CV	video	HMDB51	Umum	Pengiktirafan Tindakan	pautan
Penerangan Produk	Pangkalan data video gerakan manusia yang besar dengan 51 kategori tindakan.
Penerangan Produk	Pangkalan data gambar muka yang direka untuk mengkaji pengecaman muka tanpa batasan.
+CV	Image	CASIA-WebFace	Umum	Pengiktirafan Muka	pautan
Penerangan Produk	Set data dengan berjuta-juta imej muka untuk melatih model pengecaman muka dalam.
+NLP	teks	SKUAD	Umum	Pemahaman bacaan	pautan
Penerangan Produk	Set Data Menjawab Soalan Stanford: soalan yang dikemukakan oleh orang ramai pada set artikel Wikipedia.
Penerangan Produk	Set data pemahaman mesin dengan soalan dan jawapan berdasarkan artikel berita CNN.
+NLP	teks	MultiNLI	Umum	Inferens Bahasa Semulajadi	pautan
Penerangan Produk	Set data untuk inferens bahasa semula jadi pasangan ayat merentas berbilang genre.
+NLP	teks	SNLI	Umum	Inferens Bahasa Semulajadi	pautan
Penerangan Produk	Stanford Natural Language Inference Corpus dengan pasangan ayat yang dilabelkan sebagai entailment, percanggahan atau neutral.
Penerangan Produk	Koleksi lebih 100 juta token yang diekstrak daripada set artikel Baik dan Pilihan yang disahkan di Wikipedia.
Penerangan Produk	Set data 16,185 imej 196 kelas kereta.
+CV	Image	Bunga Oxford 102	Botani	Klasifikasi berbutir halus	pautan
Penerangan Produk	102 kategori bunga yang biasa berlaku di United Kingdom.
+CV	Image	CIFAR-10	Umum	Pengelasan Imej	pautan
Penerangan Produk	Imej 10 kelas: kapal terbang, kereta, burung, kucing, rusa, anjing, katak, kuda, kapal dan trak.
+CV	Image	CIFAR-100	Umum	Pengelasan Imej	pautan
Penerangan Produk	Set data yang serupa dengan CIFAR-10, tetapi dengan 100 kelas berbutir halus.
+CV	Image	Susun Atur Orang VOC	Umum	Anggaran Pose	pautan
Penerangan Produk	Sebahagian daripada PASCAL VOC memfokuskan pada anotasi susun atur orang seperti kepala, tangan dan kaki.
+CV	Image	Pose Manusia MPII	Umum	Anggaran Pose	pautan
Penerangan Produk	Sekitar 25,000 imej yang mengandungi lebih 40,000 orang dengan sendi badan beranotasi.
Penerangan Produk	Koleksi artikel berita Reuters untuk penyelidikan pengkategorian teks.
+NLP	teks	20 Kumpulan Berita	Umum	Pengelasan Teks	pautan
Penerangan Produk	Koleksi 20,000 dokumen kumpulan berita dibahagikan kepada 20 kumpulan berita yang berbeza.

Buka Pangkalan Data

Dataset Sumber Terbuka Untuk Memulakan Anda dengan Model AI / ML

Perkhidmatan Data AI

Khas

Sumber

Syarikat

Hubungi Kami