有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
木本油加工过程中脂质变化数据集|木本油加工数据集|脂质分析数据集
收藏国家林业和草原科学数据中心2023-12-06 更新2024-03-06 收录
下载链接：
https://www.forestdata.cn/dataDetail.html?id=f4c1e9a8-9a1a-4f60-bc9e-fe83dd7ddbbd
下载链接
链接失效反馈资源简介：
以不同加工工艺（冷榨、热榨、鲜榨、精炼）的山茶油、压榨全过程的核桃油为研究对象，采用超高效液相色谱串联质谱测定其加工过程中甘油三酯等大宗类脂质和磷脂等微量脂质含量，获得木本油加工过程脂质组成变化科学数据。
提供机构：
国家林业和草原科学数据中心
创建时间：
2023-12-06
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
FACED
FACED数据集是由清华大学脑与智能实验室和智能技术与系统国家重点实验室共同创建，包含从123名参与者收集的32通道EEG信号，用于情感计算研究。数据集通过记录参与者观看28个情感诱发视频片段时的EEG信号构建，旨在通过EEG信号分析情感状态。创建过程中，数据经过标准化和统一预处理，设计了四个EEG分类任务。该数据集主要应用于情感识别和脑机接口领域，旨在解决情感计算中的分类问题，提高情感识别的准确性和效率。
arXiv 收录
Stanford Cars
Cars数据集包含196类汽车的16,185图像。数据被分成8,144训练图像和8,041测试图像，其中每个类被大致分成50-50。类别通常在品牌，型号，年份，例如2012特斯拉Model S或2012 BMW M3 coupe的级别。
OpenDataLab 收录
DIV2K
displayName: DIV2K labelTypes: [] license: - DIV2K Custom mediaTypes: - Image paperUrl: https://doi.org/10.1109/CVPRW.2017.150 publishDate: "2017" publishUrl: https://data.vision.ee.ethz.ch/cvl/DIV2K/ publisher: - ETH Zurich tags: - RGB Image taskTypes: - Image Super-resolution --- # 数据集介绍 ## 简介 DIV2K数据集分为: 列车数据: 从800高清高分辨率图像开始，我们获得相应的低分辨率图像，并为2、3和4个降尺度因子提供高分辨率和低分辨率图像 验证数据: 100高清晰度高分辨率图像用于生成低分辨率对应图像，低分辨率从挑战开始提供，并用于参与者从验证服务器获得在线反馈; 当挑战的最后阶段开始时，高分辨率图像将被释放。 测试数据: 100多样的图像用于生成低分辨率的相应图像; 参与者将在最终评估阶段开始时收到低分辨率图像，并在挑战结束并确定获胜者后宣布结果。 ## 引文 ``` @inproceedings{agustsson2017ntire, title={Ntire 2017 challenge on single image super-resolution: Dataset and study}, author={Agustsson, Eirikur and Timofte, Radu}, booktitle={Proceedings of the IEEE conference on computer vision and pattern recognition workshops}, pages={126--135}, year={2017} } ``` ## Download dataset :modelscope-code[]{type="git"}
魔搭社区 收录
CTD (Comparative Toxicogenomics Database)
CTD是一个综合性的数据库，旨在通过整合基因、化学物质、疾病和环境暴露的数据，来促进对环境因素与人类疾病之间关系的理解。该数据库包括化学物质与基因的相互作用、化学物质与疾病的关联、基因与疾病的关联以及化学物质与环境暴露的关联。CTD还提供数据下载、API访问和在线查询工具。
ctdbase.org 收录
fruits_weight
该数据集用于训练和改进YOLOv8-seg模型，用于水果成熟度的识别与分割。数据集包含12个类别，涵盖了从生鲜水果到成熟水果的不同阶段，具体类别包括：生芒果（Raw_Mango）、熟芒果（Ripe_Mango）、熟葡萄（ripe grape）、熟苹果（ripe_apple）、熟橙子（ripe_orange）、熟石榴（ripe_pomegranate）、半熟葡萄（semiripe grape）、半熟苹果（semiripe_apple）、未熟葡萄（unripe grape）、未熟苹果（unripe_apple）、未熟橙子（unripe_orange）和未熟石榴（unripe_pomegranate）。数据集的丰富性和多样性使其成为训练水果成熟度识别模型的理想选择。
github 收录