IMM Dataset 是一个人脸数据库，其包括 240 张人脸图片和 240 个 asf 格式文件（可用 UltraEdit 编辑，其中包含 58 个点的地标），每人有 6 张人脸图片，包含 7 名女性和 33 名男性共计 40 人，每张图片均被标记 58 个特征点。 该数据集由丹麦 Tekniske 大学于 2002 年发布。

Lung Phantom Dataset 是肺部病变数据集，其基于美国食品和药品管理局制作的胸部模型，分别制作了 12 个不同大小的病变阴影（有效直径 10 和 20mm）、形状（球形、椭圆形、分叶状和毛刺状）和密度（-630、-10 和 +100 HU），并用哥伦比亚大学-医学中心的扫描仪进行扫描和记录。其中 CT 的扫描参数为 120 kVp、100 mAs、准直 64*0.625、间距 1.375mm，并使用 1.25mm 厚度切片作为肺核重建图像。 Lung Phantom Dataset 由癌症影像档案 TCIA 于 2015 年发布，相关论文有《Data From Lung_Phantom:The Cancer Imaging Archive》。

Gendarmenmarkt Dataset 是用于三维建模的图片数据集，其利用平均极线几何求解运动问题中的 结构 。 该数据集由康奈尔大学于 2014 年发布，主要发布人为 Kyle Wilson 和 Noah Snavely，相关论文有《Robust Global Translations with 1DSfM》。

Labeled Faces in the Wild Dataset 是一个面部图像数据集，专为研究无约束人脸识别开发，该数据集包含从网络收集的 13,000 多张面部图像，每张图片标注有人物名称，共有 1680 人，这些图片均由 Viola – Jones 面部探测器所拍摄。 Labeled Faces in the Wild Dataset 由马萨诸塞大学阿默斯特分校于 2007 年 10 月发布，主要发布人为 Erik Learned-Miller、 Gary B. Huang、 Aruni RoyChowdhury、 Haoxiang Li 和 Gang Hua，相关论文有《Labeled Faces in the Wild: A Database for Studying Face Recognition in Unconstrained Environments》。

Leeds Sports Pose 是一个体育姿势数据集，其被分为竞技、羽毛球、棒球、体操、跑酷、足球、排球和网球几类，共包含约 2000 个姿势注释，图像均来自于 Flickr 的运动人员。 通过对图像进行缩放，最突出的人长度约 150 像素，并且每个图像都注有 14 个联合位置，其左侧和右侧关节始终以人为中心进行标记，此外，每个图像文件的 JPEG 注释字段中均可发现原始图像的属性和 Flickr 链接。 该数据集由利兹大学计算机学院于 2010 年发布，相关论文有《Clustered Pose and Nonlinear Appearance Models for Human Pose Estimation》。

FLIC 是从电影的帧中标记人物的图像数据集，其包含从主流好莱坞电影中收集的 5003 张图像。 训练图像来源于 30 部电影中运行的人物检测器，图片获取后由人工为其标注，包括 10 个上身关节，此外，图像中拥有 5 个中值标记以保证异常值注释具有鲁棒性。发布者会主动拒绝人被遮挡或者图片清晰度过低的图像，此外，其预留 20% 约 1016 张图像进行测试。 该数据集由宾夕法尼亚大学-工程与应用科学学院 GRASP 实验室于 2013 年发布，相关论文有《MODEC: Multimodal Decomposable Models for Human Pose Estimation》。

Madrid Metropolis Dataset 是用于三维建模的图片数据集，其利用平均极线几何求解运动问题中的 结构 。 该数据集由康奈尔大学于 2014 年发布，主要发布人为 Kyle Wilson 和 Noah Snavely，相关论文有《Robust Global Translations with 1DSfM》。

MIT CBCL Dataset 是麻省理工学院 – 生物与计算中心公开供科研与学习的数据库，主要用于身份鉴定研究，该数据集包含两个部分，一部分为分辨率为 128 * 64 的 ppm 格式图片库，其包含 924 张图片；另一部分为从大图中切割而出的小图，主要包含胳膊、脑袋、脚、腿、头肩和身体等。 该数据集由麻省理工学院 – 生物与计算学习中心的 Poggio 实验室发布。

MedMNIST 由上海交通大学于 2020 年 10 月 28 日发布，是一个包含 10 个医学公开数据集的集合，共计包含 45 万张 28*28 的医疗多模态图片数据，可用于解决医学图像分析相关问题。 点击查看相关论文 点击访问开源地址 MedMNIST 具有以下特点： 教育性：多模态数据来自于多个公共医学图像数据集，采用知识共享（CC）许可协议，方便教学使用。 标准化：全部数据已经预处理成相同的格式，降低准入门槛，任何人都可以使用。 多样性：多模态数据集涵盖了不同的数据模式，数据规模从 100 到 100,000 都支持，任务类型也丰富为二元分类、多元分类、有序 回归 和多标签。 轻量级：28*28 的图像尺寸便于迅速进行原型设计，对多模态机器学习和 AutoML 算法 进行快速迭代和实验。

MNIST Dataset 是一个手写数字数据集，其包含 60,000 个示例训练集和 10,000 个示例测试集，它主要用于机器视觉领域的图像分类，该数据集中的数字已经过尺寸标准化处理，并以固定尺寸的图像为中心。 MNIST Dataset 由纽约大学库兰特研究所、谷歌纽约实验室和微软雷德蒙研究院于 1998 年 11 月发布，主要发布人为 Y. LeCun、L. Bottou、Y. Bengio 和 P. Haffner，其目前已是图像分类中最经典的练习数据集。