Fashion 144K

Name: Fashion 144K
Creator: OpenDataLab
Published: 2022-05-23T17:54:59+08:00

OpenXLab2026-04-18 收录

时尚多模态分析

时尚推荐系统

数据链接：

https://openxlab.org.cn/datasets/OpenDataLab/Fashion_144K 数据链接链接失效反馈

官方服务：

资源简介：

Fashion 144K 是一个新颖的异构数据集，包含 144,169 个用户帖子，包含不同的图像、文本和元信息。

提供机构：

OpenDataLab

创建时间：

2022-05-23

WenetSpeech

语音识别

自然语言处理

WenetSpeech 是一个多领域的普通话语料库，由 10,000+ 小时的高质量标记语音、2,400+ 小时的弱标记语音和约 10,000 小时的未标记语音组成，总共 22,400+ 小时。作者从 YouTube 和 Podcast 收集了数据，这些数据涵盖了各种说话风格、场景、领域、主题和嘈杂的条件。引入了一种基于光学字符识别 (OCR) 的方法来为 YouTube 数据在其相应的视频字幕上

OpenDataLab2026-07-12 更新720

Pile-HackerNews

技术社区文本挖掘

自然语言处理预训练

Pile-HackerNews数据集是由Hacker News网站获取的数据构建的。 Hacker News是由初创孵化器和投资基金Y Combinator运营的链接聚合网站。 Pile-HackerNews数据集可以用于各种自然语言处理（NLP）任务和研究。

OpenXLab80

MVTec D2S (MVTec Densely Segmented Supermarket)

实例感知语义分割

零售商品分割

MVTec D2S 是工业领域中实例感知语义分割的基准。它包含 21,000 张高分辨率图像，带有所有对象实例的像素标签。这些物品包括来自 60 个类别的杂货和日常用品。该基准的设计使其类似于自动结账、库存或仓库系统的真实设置。训练图像仅包含同质背景上的单个类别的对象，而验证集和测试集则更加复杂和多样化。

OpenXLab40

CoWeSe (Corpus Web Salud Espanol)

生物医学

自然语言处理

CoWeSe 是一个西班牙生物医学语料库，由 4.5GB（约 7.5 亿个令牌）的干净纯文本组成。 CoWeSe 是 2020 年在 3000 个西班牙域名上执行的大规模爬虫的结果。

OpenDataLab2026-07-12 更新120

Polish Political Advertising Dataset

政治广告分析

自然语言处理

用于检测波兰语中特定文本块和政治广告类别的数据集。它包含 1,705 条人工注释的推文，标记有九个类别，这些类别构成波兰选举法下的竞选活动。

OpenDataLab2026-08-23 更新60