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？
Number of Nike stores in different countries in Europe 2024|零售分布数据集|品牌分析数据集
收藏www.statista.com2024-08-01 更新2025-03-25 收录
下载链接：
https://www.statista.com/statistics/748626/nike-number-stores-selected-countries-europe/
下载链接
链接失效反馈资源简介：
As of August 2024, Turkey had the largest number of Nike stores among the selected European countries shown in the statistic. France accounted for around 55 locations that year. The evolution of Nike’s valueThe global brand value of Nike, which is the monetary value of the Nike brand, increased tremendously between 2010 and 2023, going from 13.7 billion U.S. dollars in 2010 to over 53 billion U.S. dollars in 2023. In fiscal 2024, Nike invested in advertisement campaigns to a total of nearly 4.3 billion U.S. dollars. Footwear worldwideMany countries around the world are responsible for the production of footwear products, however, the unequivocal leader in terms of production numbers is China every single year. In 2022 alone, China produced approximately 13 billion pairs of shoes. With approximately two billion pairs produced, India stood in second place that year.
截至2024年8月，在所统计的欧洲国家中，土耳其的耐克门店数量位居首位。当年，法国拥有约55家门店。耐克品牌价值的全球增值显著，自2010年至2023年，其品牌货币价值从130亿美元增至超过530亿美元。在2024财年，耐克投入了总计近43亿美元的广告宣传活动。全球鞋类产业在众多国家中，负责生产鞋类产品，然而，从生产数量来看，中国每年均无可争议地成为领导者。仅2022年，中国就生产了约130亿双鞋。印度当年生产的鞋类约为20亿双，位居第二。
提供机构：
www.statista.com
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
stanford_cars
该数据集是一个包含多个汽车品牌和型号的图片数据集，每个图片样本都标记有相应的汽车品牌和型号信息。数据集适用于图像识别和分类任务，特别是汽车品牌和型号的识别。
huggingface 收录
中国区域250米植被覆盖度数据集（2000-2024）
该数据集是中国区域2000至2024年月度植被覆盖度产品，空间分辨率250米，合成方式采用月最大值合成，每年12期，共299期。本产品采用基于归一化植被指数（NDVI）像元二分模型，根据土地利用类型确定纯植被像元值和纯裸土像元值，实现植被覆盖度计算。本产品去除湖泊、河流、冰川/永久积雪等区域。其中，NDVI数据来源于国家青藏高原科学数据中心中国区域250米归一化植被指数数据集（2000-2024）产品。通过时空变化趋势分析检验法分析，该数据集符合时间变化趋势和空间变化趋势。该数据集能够为全国区域生态质量评价、重要生态空间调查评估等工作提供数据参考。
国家青藏高原科学数据中心 收录
IR-500K
IR-500K是一个大型红外数据集，包含500,000张红外图像，涵盖了各种场景和物体在不同环境条件下的图像。
github 收录
CODrone
CODrone 是一个为无人机设计的全面定向目标检测数据集，它准确反映了真实世界条件。该数据集包含来自多个城市在不同光照条件下的广泛标注图像，增强了基准的逼真度。CODrone 包含超过 10,000 张高分辨率图像，捕获自五个城市的真实无人机飞行，涵盖了各种城市和工业环境，包括港口和码头。为了提高鲁棒性和泛化能力，它包括在正常光线、低光和夜间条件下相同场景的图像。我们采用了三种飞行高度和两种常用的相机角度，从而产生了六个不同的视角配置。所有图像都针对 12 个常见对象类别进行了定向边界框标注，总计超过 590,000 个标记实例。总体而言，这项工作构建了一个综合数据集和基准，用于城市无人机场景中的定向目标检测，旨在满足该领域的研究和实践应用需求。
arXiv 收录
猫狗分类
## 数据集描述 ### 数据集简介 本数据集是简单的猫狗二分类数据集，共2个类别，其中训练集包含275张带注释的图像，验证集包含70张带注释的图像。整个数据集共10.3MB，可用于快速模型验证、性能评估、小数据集训练等。 ### 数据集支持的任务 可用于快速模型验证、性能评估、小数据集训练等。 ## 数据集的格式和结构 ### 数据格式 数据集包括训练集train和验证集val，train和val文件夹之下按文件夹进行分类，共有2个子文件夹，同类别标签的图片在同一个文件夹下，图片格式为JPG。同时包含与标注文件中label id相对应的类名文件classname.txt。 ### 数据集加载方式 ```python from modelscope.msdatasets import MsDataset from modelscope.utils.constant import DownloadMode ms_train_dataset = MsDataset.load( 'cats_and_dogs', namespace='tany0699', subset_name='default', split='train') # 加载训练集 print(next(iter(ms_train_dataset))) ms_val_dataset = MsDataset.load( 'cats_and_dogs', namespace='tany0699', subset_name='default', split='validation') # 加载验证集 print(next(iter(ms_val_dataset))) ``` ### 数据分片 本数据集包含train和val数据集。 | 子数据集 | train | val | test | |---------|-------------:|-----------:|---------:| | default | 训练集 | 验证集 | / | ### Clone with HTTP ```bash git clone https://www.modelscope.cn/datasets/tany0699/cats_and_dogs.git ```
魔搭社区 收录