Git Stars Git Stars

#dataset 仓库

173
仓库总数
893,448
总星标数
5,164
平均每个仓库星标数

共 173 个仓库

101
magpie-align/magpie

[ICLR 2025] 从零开始合成对齐数据,方法是向对齐的 LLM 输入空提示。您的 SOTA 综合数据生成流程!

magpie-align
⭐ 861 Python 👤 magpie-align Organization 🕐 已更新 2025-03-17 📅 创建时间 2024-06-12
102
mims-harvard/PrimeKG

精准医疗知识图谱 (PrimeKG)

mims-harvard
⭐ 841 Jupyter Notebook 👤 mims-harvard Organization 🕐 已更新 2026-06-30 📅 创建时间 2022-04-18
103
hcliucs/APSD

“对抗扰动的隐蔽性评估:从视觉角度出发”官方数据集

hcliucs
⭐ 833 👤 hcliucs User 🕐 已更新 2026-09-02 📅 创建时间 2023-07-28
104
mlfoundations/MINT-1T

🍃 MINT-1T:一个拥有万亿级令牌的多模态交错数据集。

mlfoundations
⭐ 828 👤 mlfoundations Organization 🕐 已更新 2024-07-31 📅 创建时间 2024-06-16
105
thiagobodruk/bible

JSON 和 XML 格式的圣经文本——涵盖 85 种语言的 141 个版本,可用于应用程序、经文搜索和 NLP/AI 数据集

thiagobodruk
⭐ 802 👤 thiagobodruk User 🕐 已更新 2026-11-11 📅 创建时间 2015-11-13
106
alchaincyf/huashu-bird-sticker

花叔开源的全球鸟类贴纸库 · 为 11,000 多种鸟类生成的 AI 贴纸(AviList v2026),采用 CC BY 4.0 许可,提供 43 种语言的名称和结构化数据

alchaincyf
⭐ 798 👤 alchaincyf User 🕐 已更新 2026-11-21 📅 创建时间 2026-10-30
107
cdapio/cdap

一个用于构建数据分析应用程序的开源框架。

cdapio
⭐ 791 Java 👤 cdapio Organization 🕐 已更新 2026-11-21 📅 创建时间 2014-08-02
108
waspinator/pycococreator

创建 COCO 数据集的辅助函数

waspinator
⭐ 783 Python 👤 waspinator User 🕐 已更新 2024-06-20 📅 创建时间 2018-03-29
109
pedropro/TACO

🌮 上下文垃圾标注数据集工具包

pedropro
⭐ 781 Jupyter Notebook 👤 pedropro User 🕐 已更新 2026-10-20 📅 创建时间 2019-06-08
110
voidful/awesome-chatgpt-dataset

解锁LLM的强大功能:探索这些数据集,训练你自己的ChatGPT!

voidful
⭐ 773 Python 👤 voidful User 🕐 已更新 2026-10-27 📅 创建时间 2023-04-21
111
cs-chan/Total-Text-Dataset

Total Text 数据集。它由 1555 张图像组成,包含 3 种以上的不同文本方向:水平、多方向和弯曲,是独一无二的。

cs-chan
⭐ 768 MATLAB 👤 cs-chan User 🕐 已更新 2026-09-30 📅 创建时间 2017-08-24
112
techascent/tech.ml.dataset

一个 Clojure 高性能数据处理系统

techascent
⭐ 762 Clojure 👤 techascent Organization 🕐 已更新 2026-10-02 📅 创建时间 2019-02-14
113
ShuangLI59/person_search

用于人员搜索的联合检测和识别特征学习

ShuangLI59
⭐ 751 Python 👤 ShuangLI59 User 🕐 已更新 2024-04-26 📅 创建时间 2016-04-06
114
viniciussanchez/dataset-serialize

Delphi 和 Lazarus (FPC) 的 JSON 到 DataSet 以及 DataSet 到 JSON 转换器

viniciussanchez
⭐ 747 Pascal 👤 viniciussanchez User 🕐 已更新 2026-08-03 📅 创建时间 2019-05-22
115
thorstenMueller/Thorsten-Voice

Thorsten-Voice:一个免费使用、离线工作、高质量的德语 TTS 语音应该对每个项目可用,而无需任何许可证困扰。

thorstenMueller
⭐ 746 Python 👤 thorstenMueller User 🕐 已更新 2026-08-04 📅 创建时间 2019-10-29
116
zcablii/SARDet_100K

[NeurIPS 2024 spotlight] MSFA 的官方实现及用于大规模合成孔径雷达 (SAR) 目标检测的 SARDet_100K 数据集发布

zcablii
⭐ 743 Python 👤 zcablii User 🕐 已更新 2025-05-06 📅 创建时间 2024-02-20
117
wb14123/couplet-dataset

对联数据集。70万条对联数据库。

wb14123
⭐ 743 Python 👤 wb14123 User 🕐 已更新 2025-02-05 📅 创建时间 2018-02-24
118
tensorflow/io

由 TensorFlow SIG-IO 维护的数据集、流式传输和文件系统扩展

tensorflow
⭐ 739 C++ 👤 tensorflow Organization 🕐 已更新 2026-06-25 📅 创建时间 2018-11-09
119
rois-codh/kmnist

Kuzushiji-MNIST、Kuzushiji-49 和 Kuzushiji-Kanji 的仓库

rois-codh
⭐ 738 Python 👤 rois-codh Organization 🕐 已更新 2024-05-31 📅 创建时间 2018-10-12
120
moein-shariatnia/OpenAI-CLIP

PyTorch 中 OpenAI CLIP 模型的简单实现。

moein-shariatnia
⭐ 727 Jupyter Notebook 👤 moein-shariatnia User 🕐 已更新 2025-10-18 📅 创建时间 2021-04-07
121
EverMind-AI/SkillCorpus

将分散的 SKILL.md 文件转化为经过整理、可供检索的智能体技能语料库的开源基础设施,并包含检索与评估工具。

EverMind-AI
⭐ 706 Python 👤 EverMind-AI Organization 🕐 已更新 2026-11-19 📅 创建时间 2026-08-11
122
layumi/University1652-Baseline

ACM Multimedia2020 University-1652:无人机地理定位的多视图多源基准 :helicopter: 标注了全球72所大学中的1652座建筑物。

layumi
⭐ 703 Python 👤 layumi User 🕐 已更新 2026-11-20 📅 创建时间 2019-11-04
123
open-edge-platform/datumaro

Dataset Management Framework,一个用于构建、分析和管理计算机视觉数据集的 Python 库和一个 CLI 工具。

open-edge-platform
⭐ 701 Python 👤 open-edge-platform Organization 🕐 已更新 2026-11-20 📅 创建时间 2020-09-01
124
google-deepmind/long-form-factuality

大型语言模型长文事实性基准测试。我们论文“大型语言模型长文事实性”的原始代码。

google-deepmind
⭐ 698 Python 👤 google-deepmind Organization 🕐 已更新 2026-06-18 📅 创建时间 2024-03-25
125
wenhaochai/MovieChat

[CVPR 2024] MovieChat: 从密集Token到稀疏Memory以实现长视频理解

wenhaochai
⭐ 698 Python 👤 wenhaochai User 🕐 已更新 2025-01-29 📅 创建时间 2023-06-26
126
ucas-vg/PointTinyBenchmark

UCAS-VG 的基于点和小物体检测与定位代码集

ucas-vg
⭐ 689 Python 👤 ucas-vg Organization 🕐 已更新 2025-06-12 📅 创建时间 2019-12-21
127
datalad/datalad

使用 git 和 git-annex 控制您的代码、数据和容器

datalad
⭐ 675 Python 👤 datalad Organization 🕐 已更新 2026-11-20 📅 创建时间 2013-11-01
128
bertjiazheng/Structured3D

[ECCV'20] Structured3D: 一个用于结构化 3D 建模的大型照片级真实数据集

bertjiazheng
⭐ 666 Python 👤 bertjiazheng User 🕐 已更新 2025-02-24 📅 创建时间 2019-05-09
129
facebookresearch/Ego4d

Ego4d数据集存储库。下载数据集、可视化、提取特征和数据集的使用示例

facebookresearch
⭐ 665 Jupyter Notebook 👤 facebookresearch Organization 🕐 已更新 2026-07-25 📅 创建时间 2021-11-23
130
Jakobovski/free-spoken-digit-dataset

一套免费的语音数字数据集。MNIST的音频版本。

Jakobovski
⭐ 663 Python 👤 Jakobovski User 🕐 已更新 2024-05-02 📅 创建时间 2016-06-21
131
onejune2018/Awesome-LLM-Eval

Awesome-LLM-Eval: a curated list of tools, datasets/benchmark, demos, leaderboard, papers, docs and models, mainly for Evaluation on LLMs. 一个由工具、基准/数据、演示、排行榜和大模型等组成的精选列表,主要面向基础大模型评测,旨在探求生成式AI的技术边界。

onejune2018
⭐ 661 👤 onejune2018 User 🕐 已更新 2025-11-24 📅 创建时间 2023-04-26
132
cs-chan/Exclusively-Dark-Image-Dataset

Exclusively Dark(ExDARK)数据集,据我们所知,是在极低照度环境下拍摄、一直到微光(即10种不同条件)为止的最大低光图像集合,已提供图像类别及对象级别的标注。

cs-chan
⭐ 658 MATLAB 👤 cs-chan User 🕐 已更新 2026-09-30 📅 创建时间 2018-05-28
133
benedekrozemberczki/datasets

一个我为网络科学和机器学习研究收集的相当酷的数据集仓库。

benedekrozemberczki
⭐ 657 👤 benedekrozemberczki User 🕐 已更新 2025-12-20 📅 创建时间 2019-04-07
134
CornellNLP/ConvoKit

ConvoKit 是一个用于提取对话特征并分析对话中社会现象的工具包。它包括几个大型对话数据集,以及在使用这些数据集上示例工具包使用的脚本。

CornellNLP
⭐ 656 Jupyter Notebook 👤 CornellNLP Organization 🕐 已更新 2026-10-16 📅 创建时间 2016-03-14
135
philipperemy/FX-1-Minute-Data

HISTDATA - 由所有外汇交易对 / 原油 / 股票指数组成的数据集。简单的API,用于检索1分钟数据(以及tick数据)历史外汇价格(最新)。

philipperemy
⭐ 649 Python 👤 philipperemy User 🕐 已更新 2025-05-04 📅 创建时间 2017-05-22
136
D-X-Y/NAS-Bench-201

NAS-Bench-201 API 和说明

D-X-Y
⭐ 649 Python 👤 D-X-Y User 🕐 已更新 2025-10-31 📅 创建时间 2017-04-24
137
commaai/comma2k19

用于融合姿态估计器和映射算法开发与验证的驾驶数据集

commaai
⭐ 646 Jupyter Notebook 👤 commaai Organization 🕐 已更新 2025-07-20 📅 创建时间 2018-12-12
138
lartpang/awesome-segmentation-saliency-dataset

一些用于分割/显著性检测的数据集集合。欢迎来到 PR...:smile:

lartpang
⭐ 645 👤 lartpang User 🕐 已更新 2026-09-15 📅 创建时间 2018-12-30
139
iejMac/video2dataset

轻松从视频URL创建大型视频数据集

iejMac
⭐ 644 Python 👤 iejMac User 🕐 已更新 2024-07-30 📅 创建时间 2022-10-15
140
jonathanwvd/awesome-industrial-datasets

精选的公共工业数据集集合。

jonathanwvd
⭐ 643 👤 jonathanwvd User 🕐 已更新 2026-11-21 📅 创建时间 2022-10-25
141
onyx-dot-app/EnterpriseRAG-Bench

用于公司内部文档RAG的数据集和基准。

onyx-dot-app
⭐ 639 👤 onyx-dot-app Organization 🕐 已更新 2026-09-03 📅 创建时间 2026-02-19
142
HowieHwong/TrustLLM

[ICML 2024] TrustLLM:从真实性、安全性、公平性、稳健性、隐私和伦理等方面评估大语言模型(LLM)的可信度。适用于本地模型、兼容 API 和 AI 智能体编排的 Python/CLI 工具包。

HowieHwong
⭐ 635 Python 👤 HowieHwong User 🕐 已更新 2026-10-04 📅 创建时间 2023-12-23
143
CubiCasa/CubiCasa5k

CubiCasa5k 户型图数据集

CubiCasa
⭐ 635 Jupyter Notebook 👤 CubiCasa Organization 🕐 已更新 2026-11-08 📅 创建时间 2019-01-23
144
achuthasubhash
⭐ 631 👤 achuthasubhash User 🕐 已更新 2024-06-07 📅 创建时间 2020-09-02
145
nghuyong/weibo-cov

Weibo-COV: 来自微博的大规模 COVID-19 社交媒体数据集

nghuyong
⭐ 626 👤 nghuyong User 🕐 已更新 2025-08-23 📅 创建时间 2020-02-20
146
ApolloScapeAuto/dataset-api

用于自动驾驶的 ApolloScape 开源数据集及其应用。

ApolloScapeAuto
⭐ 620 Jupyter Notebook 👤 ApolloScapeAuto User 🕐 已更新 2026-10-31 📅 创建时间 2018-06-25
147
guptarohit/cryptoCMD

Python 中的加密货币历史价格数据库。数据来自 https://coinmarketcap.com。

guptarohit
⭐ 612 Python 👤 guptarohit User 🕐 已更新 2026-07-25 📅 创建时间 2018-01-27
148
HuangCongQing/3D-Point-Clouds

🔥3D点云目标检测&语义分割(深度学习)-SOTA方法,代码,论文,数据集等

HuangCongQing
⭐ 611 Jupyter Notebook 👤 HuangCongQing User 🕐 已更新 2025-01-20 📅 创建时间 2021-01-15
149
toddrjones/datasets

汇编了150多个可免费使用的数据集,适用于社会科学、应用微观经济学、数据可视化等领域。

toddrjones
⭐ 603 👤 toddrjones User 🕐 已更新 2026-11-20 📅 创建时间 2026-10-09
150
RingBDStack/SocialED

用于社交事件检测的 Python 库

RingBDStack
⭐ 597 Python 👤 RingBDStack Organization 🕐 已更新 2026-10-02 📅 创建时间 2024-11-27