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？
Enterococcus faecium|微生物学数据集|细菌研究数据集
收藏DataCite Commons2025-01-08 更新2024-08-19 收录
下载链接：
https://bacdive.dsmz.de/index.php?site=pdf_view&id=172782&doi=doi:10.13145/bacdive172782.20240510.9
下载链接
链接失效反馈资源简介：
The range of data encompasses taxonomy, morphology, physiology, sampling and concomitant environmental conditions as well as molecular biology.
提供机构：
DSMZ
创建时间：
2024-05-17
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
LibriSpeech
LibriSpeech 是一个大约 1000 小时的 16kHz 英语朗读语音语料库，由 Vassil Panayotov 在 Daniel Povey 的协助下编写。数据来自 LibriVox 项目的已读有声读物，并经过仔细分割和对齐。
OpenDataLab 收录
HotpotQA
HotpotQA 是收集在英语维基百科上的问答数据集，包含大约 113K 众包问题，这些问题的构建需要两篇维基百科文章的介绍段落才能回答。数据集中的每个问题都带有两个黄金段落，以及这些段落中的句子列表，众包工作人员认为这些句子是回答问题所必需的支持事实。 HotpotQA 提供了多种推理策略，包括涉及问题中缺失实体的问题、交叉问题（什么满足属性 A 和属性 B？）和比较问题，其中两个实体通过一个共同属性进行比较等。在少文档干扰设置中，QA 模型有 10 个段落，保证能找到黄金段落；在开放域全维基设置中，模型只给出问题和整个维基百科。模型根据其答案准确性和可解释性进行评估，其中前者被测量为具有完全匹配 (EM) 和 unigram F1 的预测答案和黄金答案之间的重叠，后者关注预测的支持事实句子与人类注释的匹配程度（Supporting Fact EM/F1)。该数据集还报告了一个联合指标，它鼓励系统同时在两项任务上表现良好。 来源：通过迭代查询生成回答复杂的开放域问题
OpenDataLab 收录
FLIR Dataset
该数据集主要提供三种类型的热成像图像：训练集包含8862张热成像图像，验证集包含1366张热成像图像，视频集包含4224张热成像图像。这些图像被用于训练YOLOv3检测器，并在验证集上报告了mAP。视频集用于跟踪检测到的对象。
github 收录
CKMImageNet
CKMImageNet是一个旨在推进AI驱动的环境感知无线通信和感知研究的综合数据集，由东南大学国家移动通信研究实验室提供。该数据集整合了位置特定的通道知识数据、高保真环境地图及其视觉表示。CKMImageNet支持多种AI驱动的方法进行通道知识图（CKM）构建，包含监督和非监督、判别和生成AI方法。数据集利用先进的射线追踪技术构建，确保了高保真度和环境准确性。它为AI模型学习环境感知传播模式提供了基础工具，可应用于6G系统的网络规划、资源分配等领域。
arXiv 收录
FLSea dataset
FLSea数据集是一个用于水下场景的单目深度估计的数据集。该数据集由11个场景组成，每个场景从240个视角渲染，共包含2131个数据。数据集包括RGB图像、增强图像和相应的深度监督信息。该数据集的构建旨在解决水下场景中单目深度估计方法存在的挑战，如成像质量不一致和遮挡问题。
arXiv 收录