眾所周知，計算機領域論文是要以實驗為基礎的，而實驗的原料就是數據。不管是在圖像，文字或者語音領域，開源的數據都十分寶貴和重要。這里主要收集各領域的一些常用的公開數據集。
?
計算機視覺：
?【ImageNet】
?
【Caltech Pedestrian Dataset】
簡介：行人檢測數據集
網址：https://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/
細節：
（1）攝像頭位于車上
（2）圖片模糊
（3）行人少而小，大多數圖片不包含行人
（4）原始數據為視頻，可以采樣為圖片
（5）官網給出了各種方法的性能，給出了evaluation的代碼。
?
自然語言處理：
【維基百科簡體中文語料】
簡介：較大規模的中文語料
網址：http://download.wikipedia.com/zhwiki/latest/zhwiki-latest-pages-articles.xml.bz2
細節：
（1）這個壓縮包包含標題和正文
（2）用http://medialab.di.unipi.it/wiki/Wikipedia_Extractor抽取數據
（3）抽取命令?bzcat zhwiki-latest-pages-articles.xml.bz2 | python WikiExtractor.py -b1000M -o extracted >output.txt
（4）內容為簡繁體混雜，需要https://github.com/BYVoid/OpenCC，https://code.google.com/archive/p/opencc/wikis/Install.wiki解決，運行命令opencc -i wiki_00 -o wiki_chs -c zht2zhs.ini
（5）參考使用網站：http://licstar.net/archives/262
?
語音處理：
?
數字醫學數據：
?
 D)
)