截至2016年5月，包含全部260万个Urban Dictionary的词汇定义、提交者和点赞数量的CSV语料库（238 MB）
标签：说课
2284个人,共26580幅人脸图像(年龄、性别识别)
包含一小部分含有复杂HTML表单的页面，共计267万个复杂表单（50+ GB）
约69万个人,共约100万幅人脸图像
2017年10月25日创建，包含4,483,032个问题及其答案（3.6 GB）
来自管理联邦采购数据系统（FPDS-NG）的联邦采购数据中心（FPDC）的转储，真实性和准确性已受承诺（180 GB）
约1000个人,共约3万幅人脸图像
带有Freebase注释的ClueWeb09和ClueWeb12语料库（72 GB）
收集用于作者信息和个性预测的实验，由145名不同学生编写的145篇荷兰语文章组成，每个学生还参加了在线MBTI性格测试
是一个开放的世界信息数据库，包含电影、音乐、人物、地域在内的数百个类别的数百万个主题（26GB）
200个人,共58797幅人脸图像
汇编了2001年至2017年印度“泰晤士报”发表的270万条新闻的标题（185 MB）
关于Freebase中每个主题的基本识别事实的数据转储（5 GB）
Hand Keypoint Detection in Single Images using Multiview Bootstrapping
共八个作文集，每一集作文都围绕一个主题展开。短文的平均长度为150到550个字。一些文章依赖于主题信息，另一些则是自由发挥。所有文章都是由7年级到10年级的学生撰写的，并经相关人员手工评分，有些还进行了双重评分（100 MB）
0个人,每个人12段视频步态识别是最近几年兴起的新研究领域，为了推进步态识别研究的发展，中国科学院自动化研究所免费提供CASIA步态数据库的下载。目前CASIA步态数据库有三个数据集：Dataset A（小规模库）, Dataset B（多视角库）和Dataset C（红外库）。
Freebase中所有当前事实和主张的数据转储（35 GB）
n-gram（n = 1至5），从1260多个面向新闻的站点中检索到的1460万个文档（1.26亿条独特语句，34亿个运行词）（12 GB）
82个人,共1002幅人脸图像(年龄识别)
2005—2010年47,860篇英语新闻的匿名汇总，文章长度在500字和500,000字之间，英文单词占比高达90%（40 GB）