RSSCN7 Dataset 包含 2800 幅遥感图像，这些图像来自于 7 个典型的场景类别 —— 草地、森林、农田、停车场、住宅区、工业区和河湖，其中每个类别包含 400 张图像，分别基于 4 个不同的尺度进行采样。 该数据集中每张图像的像素大小为 400*400，场景图像的多样性导致其具有较大的挑战性，这些图像来源于不同季节和天气变化，并以不同的比例进行采样。 RSSCN7 数据集由武汉大学的秦邹于 2015 年发布，相关论文有《Deep learning based feature selection for remotesensing scene classification》。

Set5，Set14 Dataset 是基于非负邻域嵌入的低复杂度单图像超分辨率的数据集，该训练集被用于单幅图像超分辨率重构，即根据低分辨率图像重构出高分辨率图像以获取更多的细节信息。 这项技术已被广泛应用于 计算机视觉 与图形学、医学成像、安全监控等领域。 该数据集由比利埃大学、法国贝尔实验室于 2012 年发布，相关论文有《Low-Complexity Single-Image Super-Resolution based on Nonnegative Neighbor Embedding》。

该数据集主要包括 AutoTel 共享汽车的主要信息，例如时间，经纬度等位置信息。通过机器学习，该数据集被用于预测共享汽车的地理位置可用性，从而修改业务模型，以便实现共享汽车从低需求区到高需求区的调用

Small Object 数据集是由香港城市大学提供，包含微小物体的图像文件，用以微小实例分割任务，目前有四类图像组成，分别为鱼、苍蝇、蜜蜂和海鸥

Sogou News Dataset 是由 SogouCA 和 SogouCS 新闻语料库构成的数据集，其拥有 5 个类别共计 2,909,551 篇文章，每个类别均包含 90,000 个训练样本和 12,000 个测试样本，并且这些样本均以转换为拼音。

Reld 和 HDR 数据集是由布尔诺理工大学发布，包含了低分辨率及低图像质量的车牌图像。该数据集收集于真实世界中的图像而非合成图，可被用于图像检测类研究使用，如识别低分辨率和低质量图像的车牌信息等任务。

SBD Dataset 是一个语义边界数据集，其包含来自 PASCAL VOC 2011 数据集中 11355 张图片的注释，这些图片均基于 Amazon Mechanical Turk，其中分割之间的冲突均为手动解决，此外，每张图像均由类别级别和实例界别的分段和边界，适用于 PASCAL VOC 2011 挑战中的 20 个对象类别。 该数据集由加州大学·伯克利分校于 2011 年发布，相关论文有《Semantic contours from inverse》。

该数据集是由合成生成的视频序列组成，其中包含多个动态纹理，每个合成视频序列包含 2,3 或 4 个动态纹理。此数据集具有 300 个视频序列，使用从 12 种不同动态纹理中随机选择的片段合成生成

该数据集是由 The Gurus 提供，内容包括出发地、目的地、火车信息、价格、仓级等。此数据集可被用作于价格分析相关领域

SQuAD（The Stanford Question Answering Dataset）是一组阅读数据集，该数据集基于群众在维基百科中提出的问题，其中每个问题的答案来自于对应阅读段落的一段文本，共计 500 多篇文章中的 10 万多个问答配对。 SQuAD 由斯坦福大学于 2018 年发布，相关论文有《Know What You Don’t Know: Unanswerable Questions for SQuAD》。