文章目录
前言
深度学习是以数据为驱动的技术，在使用深度学习进行科研或者工作当中，都离不开数据集。因此本篇博客整理我在工作当中遇到的一些数据集。如人脸数据集，地球信息的数据集。数据集来源有一些比赛的数据集，如kaggle，还有一些团队公开发表的数据集。数据集都尽可能地贴出链接，贴不出链接只能自己寻找，然后你懂得。
人脸数据集
-
哥伦比亚大学公众人物脸部数据库
数据集链接：http://m6z.cn/5DlIR9。该数据集是一个大型的人脸数据集，主要用于人脸识别和身份鉴定，涵盖互联网上200多人的人脸照片，共58797张图像。该数据集由哥伦比亚大学于2009年发布，相关论文有：《Attribute and Simile Classifiers for Face Verification》。 -
CelebA人脸数据集
CelebFaces Attributes Dataset (CelebA) 是一个大规模的人脸属性数据集，包含超过 20 万张名人图像，每张都有 40 个属性注释。该数据集中的图像涵盖了较大的姿势变化和杂乱的背景。CelebA 种类多、数量多、注释丰富，包括10,177 个身份，202,599 张人脸图像，以及5 个地标位置，每张图像 40 个二进制属性注释。该数据集可用作以下计算机视觉任务的训练和测试集：人脸属性识别、人脸识别、人脸检测、地标（或人脸部分）定位以及人脸编辑与合成。 -
美国国防部人脸照片
为促进人脸识别算法的研究和实用化，美国国防部的Counterdrug Technology Transfer Program(CTTP)发起了一个人脸识别技术(Face Recognition Technology 简称FERET)工程，它包括了一个通用人脸库以及通用测试标准。到1997年，它已经包含了1000多人的10000多张照片，每个人包括了不同表情，光照，姿态和年龄的照片。数据集链接：http://m6z.cn/5So6DB -
Youtube视频人脸数据集
该数据集包含 1,595 个不同人的 3,425 个视频。所有视频都是从 YouTube 下载的。每个主题平均有 2.15 个视频可用。最短剪辑时长为 48 帧，最长剪辑为 6070 帧，视频剪辑的平均长度为 181.3 帧。在这个数据集下，算法需要判断两段视频里面是不是同一个人。有不少在照片上有效的方法，在视频上未必有效/高效。数据集链接：http://m6z.cn/6u3P2V -
BioID人脸数据集
这个数据集包含了1521幅分辨率为384x286像素的灰度图像。每一幅图像来自于23个不同的测试人员的正面角度的人脸。为了便于做比较，这个数据集也包含了对人脸图像对应的手工标注的人眼位置文件。图像以 "BioID_xxxx.pgm"的格式命名，其中xxxx代表当前图像的索引(从0开始)。类似的，形如"BioID_xxxx.eye"的文件包含了对应图像中眼睛的位置。数据集地址：http://m6z.cn/5ZUjyC
地球信息数据集
本博客持续更新中…
