人體姿態：

LSP (2D)   地址：http://sam.johnson.io/research/lsp.html   樣本數：2K   關節點個數：14   全身，單人 FLIC (2D)   地址：https://bensapp.github.io/flic-dataset.html   樣本數：2W   關節點個數：9   全身，單人 MPII (2D)   地址：http://human-pose.mpi-inf.mpg.de/   樣本數：25K   關節點個數：16   全身，單人/多人，40K people，410 human activities MSCOCO (2D)   地址：http://cocodataset.org/#download   樣本數：>= 30W   關節點個數：18   全身，多人，keypoints on 10W people

 影象：

         MNIST是最受歡迎的深度學習資料集之一，這是一個手寫數字資料集，包含一組60,000個示例的訓練集和一個包含10,000個示例的測試集。這是一個很好的資料庫，用於在實際資料中嘗試學習技術和深度識別模式，同時可以在資料預處理中花費最少的時間和精力

         ImageNet是根據WordNet層次結構組織的影象資料集。WordNet包含大約100,000個單詞，ImageNet平均提供了大約1000個影象來說明每個單詞。

         該資料集是一個包含近900萬個影象URL的資料集，這些影象跨越了數千個類的圖​​像級標籤邊框並且進行了註釋。該資料集包含9,011,219張影象的訓練集，41,260張影象的驗證集以及125,436張影象的測試集。

         該資料集是影象分類的另一個數據集，它由10個類的60,000個影象組成（每個類在上面的影象中表示為一行）。總共      有50,000個訓練影象和10,000個測試影象。資料集分為6個部分：5個訓練批次和1個測試批次，每批有10,000個影象。

  NLP:

references：

[1] https://blog.csdn.net/qq_36165459/article/details/78332172 

[3] paper: human mesh recovering