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？
Service Centre of the Federal Government for Geo-Information and Geodesy - Open Data|地理信息数据集|大地测量数据集
收藏re3data.org2024-05-31 收录
下载链接：
https://www.re3data.org/repository/r3d100012343
下载链接
链接失效反馈资源简介：
The Service Centre of the Federal Government for Geo-Information and Geodesy (Dienstleistungszentrum des Bundes für Geoinformation und Geodäsie - DLZ) provides geodetic and geo-topographic reference data of the Federal Government centrally to federal institutions, public administrations, economy, science and citizens. The establishment of the Service Centre is based on the Federal Geographic Reference Data Act (Bundesgeoreferenzdatengesetz − BGeoRG), which came into effect on 1 November 2012. This act regulates use, quality and technology of the geodetic and geo-topographic reference systems, networks and data.
联邦政府地理信息与大地测量服务中心（Dienstleistungszentrum des Bundes für Geoinformation und Geodäsie - DLZ）负责向联邦机构、公共行政机构、经济、科学界及公民提供中央化的地理与大地测量参考数据。该服务中心的设立依据《联邦地理参考数据法》（Bundesgeoreferenzdatengesetz − BGeoRG），该法于2012年11月1日起生效，对地理与大地测量参考系统、网络和数据的使用、质量及技术进行了规范。
提供机构：
Dienstleistungszentrum des Bundes für Geoinformation und Geodäsie
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
MMOral
MMOral是一个针对全景X光片解读的大规模多模态指令数据集和基准。它包括20,563张带有1.3百万条指令跟随实例的注释图像，涵盖了多种任务类型，如属性提取、报告生成、视觉问答和基于图像的对话。此外，我们还提出了MMOral-Bench，这是一个涵盖牙科五个关键诊断维度的综合评估套件。我们评估了64个LVLMs在MMOral-Bench上的表现，发现即使是表现最好的模型GPT-4o，也只能达到41.45%的准确率，这揭示了当前模型在这一领域的显著局限性。为了促进该特定领域的发展，我们还提出了OralGPT，它使用我们精心策划的MMOral指令数据集对Qwen2.5-VL-7B进行监督微调。值得注意的是，一个SFT周期就为LVLMs带来了显著的性能提升，例如，OralGPT表现出24.73%的改进。MMOral和OralGPT都具有作为智能牙科关键基础的巨大潜力，并使牙科领域中的多模态AI系统更具临床意义。数据集、模型、基准和评估套件可在上述网址获取。
arXiv 收录
flames-and-smoke-datasets
该仓库总结了多个公开的火焰和烟雾数据集，包括DFS、D-Fire dataset、FASDD、FLAME、BoWFire、VisiFire、fire-smoke-detect-yolov4、Forest Fire等数据集。每个数据集都有详细的描述，包括数据来源、图像数量、标注信息等。
github 收录
中国30m土地利用数据集（1990-2020年）
数据以美国陆地卫星Landsat遥感影像作为主要信息源，通过人工目视解译构建的中国国家尺度多时期土地利用/土地覆盖专题数据库数据采用二级分类系统，一级分为耕地、林地、草地、水域、建设用地和未利用土地6类，二级在一级类型基础上进一步分为25个类型
国家地球系统科学数据中心 收录
fruits_weight
该数据集用于训练和改进YOLOv8-seg模型，用于水果成熟度的识别与分割。数据集包含12个类别，涵盖了从生鲜水果到成熟水果的不同阶段，具体类别包括：生芒果（Raw_Mango）、熟芒果（Ripe_Mango）、熟葡萄（ripe grape）、熟苹果（ripe_apple）、熟橙子（ripe_orange）、熟石榴（ripe_pomegranate）、半熟葡萄（semiripe grape）、半熟苹果（semiripe_apple）、未熟葡萄（unripe grape）、未熟苹果（unripe_apple）、未熟橙子（unripe_orange）和未熟石榴（unripe_pomegranate）。数据集的丰富性和多样性使其成为训练水果成熟度识别模型的理想选择。
github 收录
THCHS-30
“THCHS30是由清华大学语音与语言技术中心（CSLT）发布的开放式汉语语音数据库。原始录音是2002年在清华大学国家重点实验室的朱晓燕教授的指导下，由王东完成的。清华大学计算机科学系智能与系统，原名“TCMSD”，意思是“清华连续普通话语音数据库”，时隔13年出版，由王东博士发起，并得到了教授的支持。朱小燕。我们希望为语音识别领域的新研究人员提供一个玩具数据库。因此，该数据库对学术用户完全免费。整个软件包包含建立中文语音识别所需的全套语音和语言资源系统。”
OpenDataLab 收录