人體姿態：
LSP (2D)
地址：http://sam.johnson.io/research/lsp.html
樣本數：2K
關節點個數：14
全身，單人
FLIC (2D)
地址：https://bensapp.github.io/flic-dataset.html
樣本數：2W
關節點個數：9
全身，單人
MPII (2D)
地址：http://human-pose.mpi-inf.mpg.de/
樣本數：25K
關節點個數：16
全身，單人/多人，40K people，410 human activities
MSCOCO (2D)
地址：http://cocodataset.org/#download
樣本數：>= 30W
關節點個數：18
全身，多人，keypoints on 10W people
Human3.6M: http://vision.imar.ro/human3.6m/description.php
MPI-INF-3DHP:http://gvv.mpi-inf.mpg.de/3dhp-dataset/
圖像：
minist: http://yann.lecun.com/exdb/mnist/
MNIST是最受歡迎的深度學習數據集之一，這是一個手寫數字數據集，包含一組60,000個示例的訓練集和一個包含10,000個示例的測試集。這是一個很好的數據庫，用於在實際數據中嘗試學習技術和深度識別模式，同時可以在數據預處理中花費最少的時間和精力
ImageNet: http://www.image-net.org/
ImageNet是根據WordNet層次結構組織的圖像數據集。WordNet包含大約100,000個單詞，ImageNet平均提供了大約1000個圖像來說明每個單詞。
open images: https://github.com/openimages/dataset
該數據集是一個包含近900萬個圖像URL的數據集，這些圖像跨越了數千個類的圖像級標籤邊框並且進行了註釋。該數據集包含9,011,219張圖像的訓練集，41,260張圖像的驗證集以及125,436張圖像的測試集。
CIFAR-10: https://www.cs.toronto.edu/~kriz/cifar.html
該數據集是圖像分類的另一個數據集，它由10個類的60,000個圖像組成（每個類在上面的圖像中表示爲一行）。總共 有50,000個訓練圖像和10,000個測試圖像。數據集分爲6個部分：5個訓練批次和1個測試批次，每批有10,000個圖像。
NLP:
visual QA:http://visualqa.org/
人民日報1998詞性標註數據集：https://pan.baidu.com/s/1r-MinHBWs36spZyi_LSLbQ 提取碼：8546
references：
[1] https://blog.csdn.net/qq_36165459/article/details/78332172
[2] https://segmentfault.com/a/1190000014230303
[3] paper: human mesh recovering