Gotowe do użycia otwarte zbiory danych dla sztucznej inteligencji/uczenia maszynowego

Odkryj zbiory danych typu open source, które pozwolą Ci trenować modele ML

Otwarte zbiory danych źródłowych dla Twoich modeli AI/ML

Znalezienie odpowiedniego zbioru danych dla modelu sztucznej inteligencji nie powinno zająć tygodni. Otwarta biblioteka zbiorów danych zapewnia zespołom ML natychmiastowy dostęp do ponad 100 starannie wyselekcjonowanych, zweryfikowanych przez ludzi zbiorów danych, obejmujących przetwarzanie języka naturalnego, widzenie komputerowe, mowę i sztuczną inteligencję generatywną – wszystkie dostępne bezpłatnie.

Więc jeśli chcesz rozpocząć nową inicjatywę AI/ML, a teraz szybko zdajesz sobie sprawę, że znalezienie wysokiej jakości danych treningowych będzie jednym z trudniejszych aspektów twojego projektu, ponieważ wysokiej jakości zestawy danych są paliwem, które utrzymuje sztuczną inteligencję/ Działa silnik ML. Zgromadziliśmy listę otwartych zbiorów danych, z których można bezpłatnie korzystać i trenować modele AI/ML przyszłości.

Specjalizacja Zestaw danych przetwarzania języka naturalnego (NLP) Zestaw danych widzenia komputerowego (CV)

DataType Audio Obraz Tekst Wideo

Specjalizacja	DataType	Nazwa zbioru danych	Przemysł / Dział	Adnotacja/przypadek użycia	Połączyć
+NLP	Tekst	Amazon Recenzje	E-commerce	Analiza sentymentów	Połączyć
OPIS	Zestaw 35 milionów recenzji i ocen z ostatnich 18 lat w postaci zwykłego tekstu ze szczegółami użytkownika i produktu.
+NLP	Tekst	Dane linków do Wikipedii	Ogólne		Połączyć
OPIS	Ponad 4 mln artykułów zawierających 1.9 mld słów z Wikipedii. Każdy artykuł zawiera hiperłącza do powiązanego podmiotu.
+NLP	Tekst	Bank drzew sentymentu w Standford	rozrywka	Analiza sentymentów	Połączyć
OPIS	Zbiór danych adnotacji sentymentalnych dla ponad 10 000 zdań recenzji filmów Rotten Tomatoes. Dostępne na poziomie frazy – każde zdanie jest analizowane na podfrazy poprzez binaryzację drzew parsowania w formacie Penn Treebank.
+NLP	Tekst	Sentyment linii lotniczych USA na Twitterze	Linia lotnicza	Analiza sentymentów	Połączyć
OPIS	Wpisy na Twitterze dotyczące linii lotniczych US Airlines w 2015 r. podzieliły się na pozytywne, neutralne i negatywne.
+CV	Obraz	Sieć obrazów	Ogólne		Połączyć
OPIS	Zbiór danych zawierający ponad 14 milionów obrazów w różnych formatach plików, zmapowanych na około 21 000 synsetów. Synsety to synonimy z powiązanymi obiektami przedstawionymi jako obraz. 1 milion obrazów ma pola ograniczające, a ponad 1 milion obrazów ma funkcje SIFT.
+CV	Obraz	Otwarte obrazy Google	Ogólne		Połączyć
OPIS	Zbiór danych podobny do ImageNet z 600 kategoriami. Dostępny w wersjach do tworzenia, walidacji i trenowania. Niektóre obrazy zawierają również pola ograniczające i relacje wizualne.
+NLP	Tekst	Dialogi filmowe Cornella	rozrywka	Dialogi	Połączyć
OPIS	Zbiór fikcyjnych rozmów z metadanymi postaci i filmów. Każdy wiersz to dialog między dwiema osobami, w formacie pytania i odpowiedzi.
OPIS	Zbiór danych składający się z pytań i odpowiedzi pochodzących z portalu Yahoo Answers z okresu od kwietnia 2007 r. do października 2007 r.
+NLP	Tekst	Pani Marco	Ogólne	Odpowiadanie na pytania	Połączyć
OPIS	Zestaw danych typu pytanie-odpowiedź z adnotacjami z dzienników wyszukiwania w sieci Bing. Każde pytanie zawiera odpowiedź udzieloną przez użytkownika, a także fragmenty tekstu zawierające tę odpowiedź.
+NLP	Tekst	Zestaw danych pytań naturalnych	Ogólne	Odpowiadanie na pytania	Połączyć
OPIS	Zbiór danych udostępniony przez Google zawiera prawdziwe zapytania użytkowników i odpowiedzi pochodzące z artykułów Wikipedii.
+NLP	Tekst	DBPedia	Ogólne	Wykres Wiedza	Połączyć
OPIS	Ustrukturyzowana wersja Wikipedii, z encjami i relacjami wyodrębnionymi w postaci Grafu wiedzy.
+NLP	Tekst	JAGO	Ogólne	Wykres Wiedza	Połączyć
OPIS	Graf wiedzy zawierający encje i relacje z Wikipedii, WordNet i GeoNames.
+NLP	Tekst	FreeBase	Ogólne	Wykres Wiedza	Połączyć
OPIS	Baza wiedzy tworzona przez społeczność, składająca się z encji i relacji, obecnie włączona do Grafu wiedzy Google.
+NLP	Tekst	Ontonotes	Ogólne	Etykietowanie ról semantycznych	Połączyć
OPIS	Korpus zawierający adnotacje składniowe, semantyczne i na poziomie dyskursu używane w zadaniach współdzielonych CoNLL.
OPIS	Zbiór danych w języku angielskim, zawierający adnotacje dotyczące nazwanych jednostek, takich jak osoba, organizacja i lokalizacja.
+CV	Obraz	Orzech kokosowy	Ogólne	Wykrywanie obiektów	Połączyć
OPIS	Common Objects in Context: bogato opisany zbiór danych umożliwiający wykrywanie obiektów, segmentację i dodawanie podpisów.
+CV	Obraz	LZO PASKALA	Ogólne	Wykrywanie obiektów	Połączyć
OPIS	Zbiór danych porównawczych służących do wykrywania obiektów i segmentacji.
+CV	Obraz	Krajobrazy miejskie	Autonomiczna jazda	Segmentacja semantyczna	Połączyć
OPIS	Zbiór danych do zrozumienia sceny miejskiej z adnotacjami na poziomie pikseli dla 30 klas.
+CV	Obraz	MNIST	Ogólne	Klasyfikacja cyfr	Połączyć
OPIS	Zbiór danych zawierających ręcznie pisane cyfry, zawierający 60 000 obrazów szkoleniowych i 10 000 obrazów testowych o rozmiarze 28x28 pikseli.
+CV	Obraz	Moda-MNIST	Sprzedaż detaliczna	Klasyfikacja obrazu	Połączyć
OPIS	Zbiór danych obrazów artykułów Zalando w tym samym formacie co MNIST, używany jako zamiennik do testów porównawczych.
+NLP	Audio	Libriseeech	Ogólne	ASR	Połączyć
OPIS	Zbiór tekstów mówionych w języku angielskim pochodzących z audiobooków, obejmujący 1000 godzin wypowiedzi i powiązanych tekstów.
+NLP	Audio	TED-LIUM	Ogólne	ASR	Połączyć
OPIS	Transkrypcja wystąpień TED z dźwiękiem i dopasowane transkrypcje na potrzeby badań nad rozpoznawaniem mowy.
+NLP	Audio	TYMIT	Ogólne	Rozpoznawanie fonemów	Połączyć
OPIS	Fonetycznie zapisana mowa amerykańskich użytkowników języka angielskiego, powszechnie stosowana w zadaniach rozpoznawania fonemów.
+NLP	Audio	Wspólny głos	Ogólne	ASR	Połączyć
OPIS	Wielojęzyczny korpus mowy czytanej, stworzony przez wolontariuszy z całego świata.
+NLP	Audio	VoxCeleb	Ogólne	Rozpoznawanie mówców	Połączyć
OPIS	Duży zbiór danych identyfikujących mówców zebrany z filmów na YouTube.
+NLP	Tekst	Zrzut Wikipedii	Ogólne	Modelowanie języka	Połączyć
OPIS	Pełne teksty artykułów z Wikipedii, regularnie aktualizowane, wykorzystywane do wstępnego trenowania modeli językowych.
+NLP	Tekst	Gigaword	Aktualności	Modelowanie języka	Połączyć
OPIS	Kompleksowe archiwum danych tekstowych z wielu agencji informacyjnych.
+NLP	Tekst	Recenzje IMDB	rozrywka	Analiza sentymentów	Połączyć
OPIS	Duży zbiór danych recenzji filmów do klasyfikacji nastrojów binarnych.
+CV	Wideo	Kinetyka-700	Ogólne	Rozpoznawanie akcji	Połączyć
OPIS	Obszerny, wysokiej jakości zbiór danych klipów wideo z serwisu YouTube obejmujący 700 klas działań człowieka.
+CV	Wideo	UCF101	Ogólne	Rozpoznawanie akcji	Połączyć
OPIS	Zbiór realistycznych filmów akcji podzielonych na 101 kategorii.
+CV	Wideo	HMDB51	Ogólne	Rozpoznawanie akcji	Połączyć
OPIS	Duża baza danych filmów przedstawiających ruchy ludzi, zawierająca 51 kategorii działań.
OPIS	Baza danych fotografii twarzy przeznaczona do badania nieograniczonego rozpoznawania twarzy.
+CV	Obraz	CASIA-WebFace	Ogólne	Rozpoznawanie twarzy	Połączyć
OPIS	Zbiór danych zawierający miliony obrazów twarzy, służący do trenowania modeli głębokiego rozpoznawania twarzy.
+NLP	Tekst	Drużyna	Ogólne	Czytanie ze zrozumieniem	Połączyć
OPIS	Zbiór danych Stanford Question Answering Dataset: pytania zadawane przez pracowników społecznościowych na podstawie zestawu artykułów Wikipedii.
OPIS	Zbiór danych do zrozumienia maszynowego zawierający pytania i odpowiedzi oparte na artykułach informacyjnych CNN.
+NLP	Tekst	MultiNLI	Ogólne	Wnioskowanie w języku naturalnym	Połączyć
OPIS	Zbiór danych do wnioskowania w języku naturalnym na podstawie par zdań w różnych gatunkach.
+NLP	Tekst	SNLI	Ogólne	Wnioskowanie w języku naturalnym	Połączyć
OPIS	Korpus wnioskowania językowego Stanforda z parami zdań oznaczonymi jako wynikające, sprzeczne lub neutralne.
OPIS	Zbiór ponad 100 milionów tokenów wyodrębnionych z zestawu zweryfikowanych dobrych i wyróżnionych artykułów w Wikipedii.
OPIS	Zbiór danych zawierający 16 185 zdjęć 196 klas samochodów.
+CV	Obraz	Kwiaty Oksfordzkie 102	botanika	Klasyfikacja drobnoziarnista	Połączyć
OPIS	102 kategorie kwiatów powszechnie występujące w Wielkiej Brytanii.
+CV	Obraz	CIFAR-10	Ogólne	Klasyfikacja obrazu	Połączyć
OPIS	Obrazki przedstawiające 10 klas: samolot, samochód, ptak, kot, jeleń, pies, żaba, koń, statek i ciężarówka.
+CV	Obraz	CIFAR-100	Ogólne	Klasyfikacja obrazu	Połączyć
OPIS	Zbiór danych podobny do CIFAR-10, ale zawierający 100 szczegółowych klas.
+CV	Obraz	Układ osoby VOC	Ogólne	Oszacowanie pozycji	Połączyć
OPIS	Część PASCAL VOC skupiająca się na adnotacjach dotyczących rozmieszczenia osób, np. głowy, rąk i stóp.
+CV	Obraz	Pozycja człowieka MPII	Ogólne	Oszacowanie pozycji	Połączyć
OPIS	Około 25 000 zdjęć przedstawiających ponad 40 000 osób z opisanymi stawami ciała.
OPIS	Zbiór artykułów agencji Reuters dotyczących badań nad kategoryzacją tekstów.
+NLP	Tekst	20 grup dyskusyjnych	Ogólne	Klasyfikacja tekstu	Połączyć
OPIS	Zbiór 20 000 dokumentów grup dyskusyjnych podzielonych na 20 różnych grup dyskusyjnych.

Dane szkoleniowe AI

LLM i GenAI

Specjalne

Dane fizycznej sztucznej inteligencji

Dane medyczne

Dane widzenia komputerowego

Dane mowy

Dane tekstowe

Według branży

Według przypadku użycia

Gotowe do użycia otwarte zbiory danych dla sztucznej inteligencji/uczenia maszynowego

Otwarte zbiory danych źródłowych dla Twoich modeli AI/ML

Usługi danych AI

Specjalne

Zasoby

Firma

Kontakt