对于AI开发者来说，没有好的数据算法再好也没用，好的数据从哪里找？开源社区是重要的数据获取地。

为了帮助开发者快速找到想要的数据，编者博观约取，汇总了20个高质量的开源社区，并对这些开源社区作简要介绍和分析，帮助大家快速找到合适的训练数据。

图像数据集

1.CORe50开源平台

CORe50是专为（C）物体（O）物体（Re）认知而设计的，它集合了50个生活用品和10个类别，用于连续目标识别的新数据集和基准。

网址：https://vlomonaco.github.io/core50/

2.加州理工学院数据集

加州理工学院提供图片数据，数据共有101个类别，每个类别大约40~800张图像，每个图像大小约为300x200像素。开发者可用这些数据集来测试识别算法。

网址：http://www.vision.caltech.edu/Image_Datasets/Caltech101/

3.STL数据集

STL数据集是用于开发无监督特征学习，深度学习，自学型学习算法的图像识别数据集它受CIFAR-10数据集的启发，但进行了一些修改。该数据集共有十个类别图像，共100000张未标记的图像。

网址：https://cs.stanford.edu/~acoates/stl10/

4.NORB图像识别数据集

该数据集可用于从形状识别3D对象的实验。数据集包含50个玩具的图像ÿ