公开数据集 -麻将胡了pg电子网站

culane 是一个大规模的具有挑战性的数据集，用于交通车道检测的学术研究。 它是由安装在北京不同司机驾驶的六辆不同车辆上的摄像头收集的。 收集了超过 55 小时的视频，提取了 133,235 帧。 在每一帧中，交通车道都用三次样条手动注释。 对于车道标记被车辆遮挡或看不见的情况，仍根据上下文进行车道注释。 障碍物另一侧的车道没有注释。 在这个数据集中，主要关注的是四车道标记的检测，这在实际应用中

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

数据集介绍eds 数据集针对由机器硬件参数引起的难以察觉的域间偏移问题研究，包含了来自 3 台不同 x 光机器的 14219 张图片, 其中 10 类物品, 共计 31655 个目标实例，均由专业标注人员进行标注。prerequisitespython 3.6pytorch 0.4.1cuda 8.0 or highercompilepip install -r requirements.txtc

为了为未来交通灯识别 (tlr) 研究的比较提供共同基础，我们根据美国道路的镜头收集了一个广泛的公共数据库。该数据库收集于美国加利福尼亚州圣地亚哥。该数据库提供了四个主要用于测试的白天和两个夜间序列，提供了在太平洋海滩和圣地亚哥拉霍亚的 23 分 25 秒的驾驶时间。该数据库由连续测试和训练视频序列组成，共有 43,007 帧和 113,888 个带注释的交通信号灯。这些序列由安装在车辆车顶上的立

数据集介绍： 这是一个非均匀的真实数据集，具有成对的真实雾度和相应的无雾度图像。这是第一个非齐次图像去模糊数据集，包含55个室外场景。在场景中引入了非均匀雾，使用专业雾发生器模拟雾场景的真实条件。   引用： @inproceedings{nh-haze_2020, author = {codruta o. ancuti and cosmin ancuti and radu timofte}, t

该数据集是为美国专利短语到短语匹配竞赛提供的。它通过提供context列中每个代码的含义来添加附加信息。  

该数据集是被cvpr 2015 论文“用于细粒度分类和验证的大规模汽车数据集”所使用的。综合汽车 (compcars) 数据集包含来自两个场景的数据，包括来自网络自然和监视自然的图像。 web-nature 数据包含 163 个汽车制造商和 1,716 个汽车型号。 总共有 136,726 张拍摄整车的图像和 27,618 张拍摄汽车零件的图像。 完整的汽车图像标有边界框和视点。 每个车型都标有五

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

本数据集使用杜克企业数据统一内容浏览器搜索引擎追溯识别杜克眼科中心医学视网膜实践中的患者，并使用与他们就诊相关的 dme (icd-9 362.07) 计费代码。然后，一名眼科医生使用标准 spectralis（heidelberg engineering，heidelberg，germany）61 线体积扫描协议确定了 6 名临床成像的患者，这些患者具有严重的 dme 病理学和不同的图像质量。

cars 数据集包含 196 类汽车的 16,185 张图像。 数据分为 8,144 个训练图像和 8,041 个测试图像，其中每个类别大致按 50-50 分割。 课程通常在品牌、型号、年份级别，例如 2012 tesla model s 或 2012 bmw m3 coupe。citationif you use this dataset, please cite the following p