总计包含1400+水文站,主要是长江流域及支流的相关水文站,部分水文站包含超过近30年的水文数据。详情请参见演示网站。
数据集主要内容为:河流(rvnm), 测站编码(stcd),测站名称(stnm),时间(tm), 水位(z), 流量(q), 水势(wptn), 警戒水位(wrz), 保证水位(grz), 设防水位(frz)
标价为起始价格,请先与客服沟通后再下单
少量水文站按照 2 RMB每站点每月, 100 RMB起 收取工时费,更多优惠详询客服
总计包含1400+水文站,其中:
上线时间2000年前:238个水文站
上线时间2000年-2010年:287个水文站
上线时间2010年后: 1059个水文站
历史数据早期为每日一条或几条水位流量信息,在2011年左右开始高频更新每小时一条,每站点一个月600多条。
总数据量约8千万行,4G左右。
长江水文高频长序列监测数据集主要是长江流域,数据频率较高,完整性更好,同时径流数据丰富,最新数据只到2022年。
水利部全国大江大河数据集存在一些问题,如流量信息可能缺失,时间序列较短等问题,但水文站分布广,同时在继续更新中。
这两套数据是水文方面比较优秀且容易公开获取的数据集,一般研究建议使用全国大江大河数据集,对流量或长序列要求较高建议使用长江水文高频长序列监测数据集。
# 该数据集仅更新到2022年,详情请参见演示网站
该数据集提供通过 CARLA 自动驾驶汽车模拟器捕获的数据图像和标记语义分割。 这些数据是作为 Lyft Udacity Challenge 的一部分生成的。 该数据集可用于训练 ML 算法以识别图像中汽车、道路等的语义分割。 数据有5组1000张图片和对应的标签。
该存储库包含两个语义分割的道路场景图像合成数据集,它们是作为 Cam2BEV 项目的一部分创建的。在该项目中,数据集收集了多个车载摄像头的图像,并被用于计算语义分割的鸟瞰图(BEV)图像。同时该数据集被arXiv论文"A Sim2Real Deep Learning Approach for the Transformation of Images from Multiple Vehicle-Mo
数据集介绍: 数据来自 Lytro Illum,捕获为 40MP 图像,然后转换为 5MP RGB+D 图像。 第二个数据集来自 Lenovo Phab2(Project Tango),它利用双图像传感器重新创建大型 3D 结构的点云。这些以 .ply 和 .obj 数据集的形式提供
CamSeq是一个地面数据集,可自由用于视频目标识别中的研究工作。该数据集包含 101 个 960x720 像素的图像对。 每个掩码都由文件名之外的“_L”指定。 所有图像(原始图像和真实图像)均为未压缩的 24 位彩色 PNG 格式。 该数据集最初是针对自动驾驶汽车的问题而设计的。此序列描绘了从一辆动感的汽车拍摄的剑桥市的动感驾驶场景。这是一个具有挑战性的数据集,因为除了汽车的自我运动之外,其他