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？
惠州市惠东县水利局行政执法人员数量信息|水利行政执法数据集|政务服务管理数据集
收藏开放广东2023-06-05 更新2024-02-29 收录
下载链接：
https://gddata.gd.gov.cn/opdata/base/collect?chooseValue=collectForm
下载链接
链接失效反馈资源简介：
该数据包含了广东省惠州市惠东县2021年至今，应用于惠州市惠东县水行政许可审批数据目录业务场景。经由广东省政务服务平台管理员记录而成的数据。
提供机构：
惠州市
创建时间：
2023-07-20
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
涡轮叶片缺陷数据集
本数据集是一个专门为研究航空发动机缺陷检测和识别而创建的数据集。该数据集包含了一系列涡轮叶片的图像和相关的缺陷标注信息。通过使用这个数据集，研究人员和工程师可以开展针对发动机缺陷的机器学习和深度学习算法的训练、评估和优化工作。
阿里云天池 收录
Paper III (Walker et al. 2024)
Data products used in 3-D CMZ Paper III, Walker et al. (2024). The full cloud catalogue is provided in tabular format, along with a full CMZ map showing the clouds and their assigned IDs. For each cloud ID in the published catalogue there are: - Individual cube cutouts from the MOPRA 3mm CMZ survey (HC3N, HCN, and HNCO). - Individual cube cutouts from the APEX 1mm CMZ survey (13CO, C18O, and H2CO). - Cloud-averaged spectra of the ATCA H2CO 4.83 GHz line. - PV slices of the ATCA H2CO 4.83 GHz line, taken across the major axis of the source. - Where applicable, there are mask files which correspond to the different velocity components of the cloud. In these cases, there are two mask files per velocity component, corresponding to the different masking approaches described in the paper.
DataCite Commons 收录
航空发动机叶片异常检测数据集 (AeBAD)
航空发动机叶片异常检测数据集(AeBAD)由西安交通大学机械工程学院创建，包含两个子数据集：单叶片数据集(AeBAD-S)和叶片视频异常检测数据集(AeBAD-V)。AeBAD-S包含不同尺度的单叶片图像，样本未对齐，存在训练集与测试集间的域转移问题，主要由光照和视角变化引起。AeBAD-V包含安装在航空发动机上的叶片视频，用于检测叶片在旋转过程中的异常。该数据集旨在解决实际工业应用中叶片异常检测的问题，强调同一数据类别内的域多样性。
arXiv 收录
HazyDet
HazyDet是由解放军工程大学等机构创建的一个大规模数据集，专门用于雾霾场景下的无人机视角物体检测。该数据集包含383,000个真实世界实例，收集自自然雾霾环境和正常场景中人工添加的雾霾效果，以模拟恶劣天气条件。数据集的创建过程结合了深度估计和大气散射模型，确保了数据的真实性和多样性。HazyDet主要应用于无人机在恶劣天气条件下的物体检测，旨在提高无人机在复杂环境中的感知能力。
arXiv 收录
全球1km分辨率大气二氧化碳浓度数据集（2003-2023）
持续增加的人为CO₂排放导致了全球变暖和气候变化，进而引发了全球范围的重大环境、经济和健康损失，基于卫星遥感数据准确连续地监测大气CO₂变化对于理解全球碳循环、评估碳源和碳汇的分布以及制定有效的减排政策至关重要。大气CO2柱浓度（XCO2）指从地表到大气顶层干燥空气柱中CO2的平均体积比，是用来表征大气中CO2分子含量的物理量。当前已公开发表的全球无缝XCO2产品存在无法同时提供长时间跨度和高时空分辨率的问题，限制了其更为广泛的科学应用。本数据集基于来自SCIAMACHY、GOSAT 和 OCO-2 三颗卫星/传感器的XCO2观测数据进行二次研发，以卫星XCO2观测数据为训练标签，与 CO₂ 排放、吸收和传输相关的多源因素为解释变量，利用整合了U-Net网络和ConvLSTM网络的深度学习算法构建预测模型，生成了国际首套2003-2023年全球时空连续1公里分辨率逐日XCO2数据集。经全球27个TCCON地面观测站点的验证，结果表明该产品具有较好的精度（决定系数R2为0.989，均方根误差RMSE为1.021ppm）。本数据集为深化对全球碳循环的理解、评估减排政策以及应对气候变化挑战提供了重要的基础数据。
国家青藏高原科学数据中心 收录