数据集的信息总结(自己看到新的就会更新）

人体姿态：

LSP (2D)
  地址：http://sam.johnson.io/research/lsp.html
  样本数：2K
  关节点个数：14
  全身，单人
FLIC (2D)
  地址：https://bensapp.github.io/flic-dataset.html
  样本数：2W
  关节点个数：9
  全身，单人
MPII (2D)
  地址：http://human-pose.mpi-inf.mpg.de/
  样本数：25K
  关节点个数：16
  全身，单人/多人，40K people，410 human activities
MSCOCO (2D)
  地址：http://cocodataset.org/#download
  样本数：>= 30W
  关节点个数：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/

   

 图像：

  minist: http://yann.lecun.com/exdb/mnist/

         MNIST是最受欢迎的深度学习数据集之一，这是一个手写数字数据集，包含一组60,000个示例的训练集和一个包含10,000个示例的测试集。这是一个很好的数据库，用于在实际数据中尝试学习技术和深度识别模式，同时可以在数据预处理中花费最少的时间和精力

  ImageNet: http://www.image-net.org/

         ImageNet是根据WordNet层次结构组织的图像数据集。WordNet包含大约100,000个单词，ImageNet平均提供了大约1000个图像来说明每个单词。

  open images: https://github.com/openimages/dataset

         该数据集是一个包含近900万个图像URL的数据集，这些图像跨越了数千个类的图​​像级标签边框并且进行了注释。该数据集包含9,011,219张图像的训练集，41,260张图像的验证集以及125,436张图像的测试集。

  CIFAR-10: https://www.cs.toronto.edu/~kriz/cifar.html

         该数据集是图像分类的另一个数据集，它由10个类的60,000个图像组成（每个类在上面的图像中表示为一行）。总共      有50,000个训练图像和10,000个测试图像。数据集分为6个部分：5个训练批次和1个测试批次，每批有10,000个图像。

 

  NLP:

   visual QA:http://visualqa.org/

   人民日报1998词性标注数据集：https://pan.baidu.com/s/1r-MinHBWs36spZyi_LSLbQ  提取码：8546

 

references：

[1] https://blog.youkuaiyun.com/qq_36165459/article/details/78332172 

[2] https://segmentfault.com/a/1190000014230303

[3] paper: human mesh recovering