MSRA – TD500 图像数据集被用于评估文本检测 算法 基准，它包含多种类和多国语言的 500 张自然图像，分别是 300 张训练图和 200 张测试图。 该数据集使用袖珍相机从室内和室外场景拍摄，其中室内图像以标志，门板和警示牌为主，室外图像以复杂背景下的导板和广告牌为主，图像分辨率从 1296×864 到 1920×1280 不等。 图像包含中英文，每张图片都以行为单位完全标注，其中难以识别的有困难标注。 MSRA-TD500 数据集由华中科技大学于 2012 年在 CVPR 发布, 主要发布人有 C. Yao, X. Bai, W. Liu, Y. Ma 和 Z. Tu。

MSMARCO 是机器阅读理解数据集，其包含的 1,010,916 个匿名问题均来自 Bing 的搜索查询日志，日志中均包含 AI 生成的答案和 182,669 条人为重写的答案，该数据集还包含从 3,563,535 个文档中提取的 8,841,823 个段落。 MSMARCO 数据集由微软于 2016 年发布，并在 2018 年更新，此外，该数据集拥有对应的排名比赛。

该数据集是一个针对日文漫画的 机器翻译 评估数据集，包含五部不同风格（幻想、爱情、战斗、悬疑、生活）的漫画，数据集中共包含 1593 个句子，848 个场景画面和 214 页漫画，由东京大学 Mantra 团队发布。 数据格式：带注释的 JSON 文件和原始图像

Parkinson’s Disease Classification 数据集用于检测分类帕金森疾病，数据集收集于 188 位患有帕金森症状的患者，年龄区间为 33 岁到 87 岁。该数据集还包括 64 位年龄区间 41 岁至 82 岁的健康样本

LMD-full 数据集全称为 The Lakh MIDI Dataset v0.1 完整版，该数据集有超过 17 万个独一的 MIDI 文件，其中 4 万 5 千个文件匹配到了百万歌曲数据集。该数据集的目标是促进大规模音乐信息检索，包括符号（仅使用 MIDI 文件）和基于音频内容（使用从 MIDI 文件中提取的信息作为匹配音频文件的注释）

Netflix 电影评价数据集包含来自 48 万用户对 1.7 万部电影的评价数据，评价数超过 100 万条，数据采集的时间段为 1998.10 – 2005.11，其中评分以 5 分制为基准，并且用户信息已经经过脱敏处理。 该数据集来自于 Netflix Prize 比赛，其旨在提高根据个人喜好欣赏电影预测的准确性，该比赛自 2006 年举办并持续至 2011 年。

PDB 蛋白质 结构 数据集，是一个专门收录蛋白质及核酸的三维结构资料的数据库，拥有十分悠久的历史，由美国布鲁克黑文国家实验室的 Walter Hamilton 于 1971 年起开始构建收集。 PDB 数据库中信息主要包含：蛋白质/核酸来源，蛋白质/核酸分子组成，原子坐标，测定结构所用实验方法，以及温度因子、结构测定者等其它数据及信息。可以在 PDB 数据库查找核糖体、致癌基因、药物靶标，甚至整个病毒的结构。

Question Answer Dataset 是结合维基百科文章语料库的链接，并手动生成仿真问题和答案以供学术研究的问答数据集。该数据集分为文章、问题和答案三部分，其中手动生成的仿真问题与答案对维基百科文章的评分难度很高。 Question Answer Dataset 由卡内基·梅隆大学于 2013 年发布，主要发布人分别为 Noah Smith、Michael Heilman、Rebecca Hwa、Shay Cohen 和 Kevin Gimpel，其最早版本的数据大多由卡内基·梅隆大学和匹兹堡大学学生在 2008 年至 2010 年收集所得

Quora Duplicate Questions Dataset 是用于判别文本中问题对是否重复的数据集，其被用于文本分类研究，旨在为任何人提供训练和测试语义等效模型的机会。 该数据集由超过 400,000 行潜在问题重复对组成，每行包含问题的 ID、问题的完整文本以及指示该行是否包含重复对的二进制值。 该数据集由 Quora 团队于 2017 年发布，主要发布人有 Shankar Iyer、Nikhil Dandekar 和 Kornél Csernai。

RSOD Dataset 是用于遥感图像中物体检测的数据集，其包含飞机、操场、立交桥和油桶四类目标，数量分别为：446 张图 —— 4993 架飞机，189 张图 —— 191 个操场，176 张图 —— 180 座立交桥，165 张图 —— 1586 个油桶。 该数据集由武汉大学于 2015 年发布，相关论文有《Elliptic Fourier transformation-based histograms of oriented gradients for rotationally invariant object detection in remote-sensing images》和《Accurate Object Localization in Remote Sensing Images Based on Convolutional Neural Networks》。