公开数据集 -麻将胡了pg电子网站

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： 现有的人体姿势数据集包含有限的身体部位类型。mpii 数据集标注了脚踝、膝盖、臀部、肩膀、肘部、手腕、颈部、躯干和头顶，而 coco 还包括一些面部关键点。对于这两个数据集，足部注释仅限于脚踝位置。然而，图形应用程序（例如头像重定向或 3d 人体形状重建）需要足部关键点，例如大脚趾和脚跟。在没有足部信息的情况下，这些方法会遇到诸如糖果包装效果、地板穿透和足部滑冰等问题。为了解决这些问

这是在olist store下订单的巴西电子商务公共数据集。该数据集包含 2016 年至 2018 年在巴西多个市场进行的 10 万份订单的信息。它的功能允许从多个维度查看订单：从订单状态、价格、付款和货运绩效到客户位置、产品属性，最后是客户撰写的评论。这是真实的商业数据，已匿名，评论文本中对公司和pg电子试玩链接的合作伙伴的引用已替换为《权力的游戏》大家族的名称。

数据集介绍：宜家 asm 数据集是装配任务的多模式和多视图视频数据集，可对人类活动进行丰富的分析和理解。 它包含 371 个家具组件样本及其真实注释。 每个样本包括 3 个 rgb 视图、一个深度流、原子动作、人体姿势、对象片段、对象跟踪和外部相机校准。 此外，我们在指定的 github 存储库中提供用于数据处理的代码，包括深度到点云的转换、表面法线估计、可视化和评估。if you use the

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

我们提供了 mit driveseg 数据集，这是一个大规模的驾驶场景分割数据集，为 5,000 个视频帧中的每个像素和每个像素都进行了密集注释。这个数据集是一个面向前的逐帧像素级语义标记数据集，该数据集是在连续白天驾驶通过拥挤的城市街道时从移动的车辆捕获的。该数据集的目的是允许探索时间动态信息的价值，以便在动态的真实操作环境中进行全场景分割。

该数据集来自 bosch small traffic lights dataset，是一个用于基于视觉的交通信号灯检测的准确数据集。该数据集包含 13427 个摄像机图像，分辨率为 1280x720 像素，并包含大约 24000 个带注释的交通信号灯。 注释包括交通灯的边界框以及每个交通灯的当前状态（活动灯）。相机图像以使用红色-清晰-清晰-蓝色滤镜拍摄的原始 12 位 hdr 图像和重建的 8

contextthe cat dataset includes over 9,000 cat images. for each image, there are annotations of the head of cat with nine points, two for eyes, one for mouth, and six for ears.contentthe annotation da

数据集介绍： 该数据集提供了五个类别的动物姿势注释：狗、猫、牛、马、羊，在4,000 多张图像中总共有6,000多个实例。此外，该数据集还包含其他7 个动物类别的边界框注释。在论文中查找详细信息。 该数据集一共标注了 20 个关键点：两只眼睛、喉咙、鼻子、马肩隆、两个耳根、尾根、四个肘部、四个膝盖、四个爪子。我们从这个数据集中选择一些样本。第一个图表示来自五个动物类别的关键点标记的动物实例。第二个

在这项工作中，我们构建了一个大规模的 logo 数据集 logo-2k ，它涵盖了来自真实世界 logo 图像的各种 logo 类别。 我们生成的徽标数据集包含 167,140 张图像，具有 10 个根类别和 2,341 个类别。