DescribtionNWPU VHR-10数据集包含800个高分辨率的卫星图像,这些图像是从Google Earth和Vaihingen数据集裁剪而来的,然后由专家手动注释。数据集分成10类(飞机,轮船,储罐,棒球场,网球场,篮球场,地面跑道,港口,桥梁和车辆)。使用数据集请引用下述论文:[1] Gong Cheng, Junwei Han, Peicheng Zhou, Lei Guo. Mu
数据集介绍: 数据集由序列构成。在每个序列中,您都可以找到组成它的帧。一个帧由4个彩色图像、4组投影在每个图像平面中的2D关节、4个边界框、1组Leap Motion Controller提供的3D点和4组重新投影到每个相机坐标帧的3D点组成。 How is this dataset structured? The dataset is structured by sequences. In
该数据集是与学术项目协调使用的公共推特更新的集合,用于研究与推特相关的地理定位数据。训练集包含 115,886 个 Twitter 用户和来自用户的 3,844,612 个更新。用户的所有位置都在美国以城市级粒度进行自我标记。测试集包含 5,136 个 Twitter 用户和来自用户的 5,156,047 条推文。用户的所有位置都是从他们的智能手机以“UT:纬度,经度”的形式上传的。 Plea
FAscicle 小腿肌肉超声数据集是一个由 812 幅小腿肌肉超声图像组成的数据集,用于分析肌肉弱点并预防受伤。该数据集在文章 AW-Net:B 型超声图像上的自动肌肉结构分析以预防伤害中进行了介绍。它结合了由 Ryan Cunningham 等人发表的两篇文章“使用卷积、残差和反卷积神经网络从 B 模式超声图像中估计全区域骨骼肌纤维方向”提供的数据集。和 Neil Cronin 发表的“使用深
数据集介绍: Twitter 是一个在线社交媒体平台,人们在其中以推文的形式分享他们的想法。据观察,有些人滥用它来发布仇恨内容。Twitter 正试图解决这个问题,我们将通过创建一个强大的基于 NLP 的分类器模型来帮助它来区分负面推文并阻止此类推文。你能建立一个强大的分类器模型来预测吗?每行包含一条推文的文本和一个情绪标签。在训练集中,您将获得一个从推文 (selected_text) 中提取的
由于小光圈和传感器尺寸,智能手机图像通常比数码单反相机具有更多的噪点。考虑到图像去噪是一个活跃的研究领域,作者提出了一个去噪图像数据集,该数据集代表来自智能手机相机的真实噪声图像,具有高质量的地面实况。该数据集与CVPR 2020一起用于NTIRE 2020 真实图像去噪挑战赛。 该数据集包含以下智能手机在不同光照条件下拍摄的 160 对噪声/真实图像: GP: Google PixelIP:
PatchCamelyon 是一个新的且具有挑战性的图像分类数据集。它由从淋巴结切片的组织病理学扫描中提取的 327.680 张彩色图像 (96 x 96px) 组成。每个图像都带有一个二进制标签,表示存在转移组织。PCam 为机器学习模型提供了新的基准:大于 CIFAR10,小于 imagenet,可在单个 GPU 上训练。 Usage and Tips Keras Example Gene
数据集介绍:Penn Action Dataset(宾夕法尼亚大学)包含 15 个不同动作的 2326 个视频序列以及每个序列的人类联合注释。ReferenceIf you use our dataset, please cite the following paper:Weiyu Zhang, Menglong Zhu and Konstantinos Derpanis, "From Actem