登录后查看消息通知
搜索
常见问题
消息
登录
首页
/
数据集
/
Chinese Art Styles Dataset
Chinese Art Styles Dataset
收藏
kaggle
2025-05-19 更新
2025-07-12 收录
中国传统艺术
少样本学习
数据链接:
https://www.kaggle.com/datasets/programmer3/chinese-art-styles-dataset
数据链接
链接失效反馈
官方服务:
问题咨询
购买咨询
在线客服
NEW
资源简介:
Few-Shot Figure Painting Set
少样本图像绘画数据集
应用场景:
创建时间:
2025-05-19
搜集汇总
背景与挑战
背景概述
该数据集专注于中国艺术风格,特别是人物绘画领域,采用小样本学习设置,适用于需要少量示例进行训练或评估的任务。
以上内容由遇见数据集搜集并总结生成
相关数据集
MVTec-FS Dataset
缺陷检测
少样本学习
MVTec-FS数据集是MVTec AD数据集的改进版本,专门为少样本学习研究设计。当前异常检测任务主要关注缺陷定位,而针对缺陷类型分类的数据集较少。为了解决这一问题,我们对MVTec AD数据集进行了重新处理,创建了一个适合少样本缺陷分类任务的基准。此外,它还可用于少样本目标检测和统一多模态分类。
github
2024-12-26 更新
285
0
Picture of viewing waterfalls in summer mountains; Palace in heaven; Four Beauties catching swimming fish, Chinatown, 1968
中国传统艺术
壁画
"Picture of viewing waterfalls in summer mountains"; Palace in heaven"; Four Beauties catching swimming fish", Chinatown, 1968. 913 North Broadway, Chinatown. "Three large tile murals executed in Hong
Mendeley Data
2024-01-31 更新
10
0
llama-lang-adapt/Translated-GSM8K-FewShot
数学问题求解
少样本学习
--- dataset_info: features: - name: source_question dtype: string - name: source_answer dtype: string - name: target_question dtype: string - name: target_answer dtype: strin
Hugging Face
2024-08-05 更新
5
0
FEW-NERD
实体识别
少样本学习
FEW-NERD是一个大规模的人工标注少样本命名实体识别数据集,由清华大学和阿里巴巴集团合作创建。该数据集包含188,238个句子,总计4,601,160个单词,每个单词都被标注为上下文或两级实体类型的一部分。FEW-NERD是首个专门为少样本NER设计的数据集,也是最大的人工标注NER数据集之一。数据集的内容主要来源于维基百科,涵盖了8个粗粒度和66个细粒度实体类型,旨在通过丰富的实体类型和上下
arXiv
2021-09-01 更新
42
0
mestras-valcir/assin2sts_5shot_3exp
自然语言处理
少样本学习
这是一个包含句子对和标签的数据集,用于训练模型进行某种任务,如文本相似度评估或自然语言推理。数据集分为训练集,共有2448个样本。每个样本包括两个句子,一个标签,以及三个提示信息,可以帮助模型更好地理解句子的上下文。
Hugging Face
2025-04-08 更新
6
0
© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15
沪公网安备31010402336585号
热门搜索
社区交流群
科研交流群
商业服务
数据资源
寻源服务
数据采集
标注服务
数据产品
代理销售
数据领域
凭证登记
数据产品
介绍推广