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？
August 2019 Ningaloo DMR BRUV field trip - part 3 of 5|海洋生物学数据集|水下视频技术数据集
收藏Mendeley Data2024-03-27 更新2024-06-29 收录
下载链接：
https://data.csiro.au/collections/collection/CIcsiro:48752v1/DItrue
下载链接
链接失效反馈资源简介：
Name, Brief Description and owner: Baited Remote Underwater stereo-Video (BRUV) systems (6 in total) were used. All equipment (BRUVs, weights, cameras, lights, ropes, etc.) belonged to UWA Relevant component details: make, model, serial number, firmware version, settings: Stereo‐BRUV systems consisted of a frame, protecting 2 convergent video cameras inside waterproof housings (plus one rear-facing video camera) and 2 lights (one forward-facing and one rear-facing), attached to a base bar, with a baited container fixed in front of the cameras. Systems were tethered by rope to surface buoys to facilitate relocation and retrieval. Weights were added to frames due to the current and depth in the area. Cameras used: 2 x Canon HG 25 (forward facing) with the follow settings: • Focus: Manual (3.0m) • Rec Program: P) • Image stabilizer: OFF • Facial recognition: OFF • Recording mode: MXP • Frame rate: PF25 1 x GoPro Hero 3+ (backwards facing), taking photos every 60 seconds. Cameras were calibrated at UWA prior to and at the conclusion of the field trip, using SeaGIS software Cal. Contains files: 8.01.*.avi to 12.11.*.avi
创建时间：
2023-06-28
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
核电厂焊缝射线质量智能评定模型数据
1.对核电厂焊缝射线质量、缺陷进行智能精准识别与评定，为核电厂焊缝射线质量智能评定模型提供训练数据，提高核电厂焊缝射线评定标准的准确性，进一步提升核电厂焊缝射线质量。 2.能够为核电厂焊缝质量控制提供决策依据，通过焊缝质量、缺陷训练数据持续优化模型检测标准，进一步保障核电站设备安全和长期稳定运行。数据收集和处理： 步骤1数据收集：方式一：通过使用数字射线检测设备采集获取原始焊缝图像数据；方式二：通过高分辨率扫描设备对传统射线底片影像数据转化为原始焊缝图像数据。 步骤2数据处理：对收集到的原始焊缝图像数据进行图像预处理，去除图像噪声、矫正图像畸变，统一图像尺寸（将图像的高度（imageHeight）和宽度（imageWidth）统一为3580×780（像素），确保原始焊缝图像数据质量和一致性。 步骤3数据标注：使用图像标注工具对原始焊缝图像数据的Filename(文件名)、Shapes（形状）、imagePath(路径)、imageData（图像数据）、imageHeight（图像高度）、imageWidth（图像宽度）等字段进行数据标注。其中：Filename(文件名)按照image_XXX.json按序号依次标注；Shapes（形状）字段中的label（标签）用于标注缺陷类型，缺陷类型标签包括5个缺陷等级：liewen（裂纹）、qikong（气孔）、jiazha(夹渣)、weironghe（未熔合）、weihantou(未焊透)，points(位置)用于标记缺陷在图像中的位置，通过坐标的形式进行标注，shape_type（形状类型）为用于框选缺陷的形状，在本数据标注过程中均使用rectangle（矩形）框进行框选，在同一个焊缝图像数据中可能存在多个缺陷，在进行数据标注的过程中Shapes（形状）可能包含多个缺陷；imagePath(路径)用于标记生成标注文件的存储位置，存储在图像的同一路径（文件夹）下；imageData（图像数据）为对通过数据收集阶段获取到的原始焊缝图像数据进行标注，按照image_XXX.tiff进行命名存储；对图像高度（imageHeight）和宽度（imageWidth）分别标注为3580和780。通过以上数据标注过程确保为后续模型训练提供高质量的标注数据。 通过使用核电厂焊缝射线质量智能评定模型数据能够构建例如：卷积神经网络（CNN）的自动识别模型，实现核电厂焊缝射线图像缺陷的自动识别并和缺陷类型的标注，辅助人工评定工作，提升检测效率和准确度。
浙江省数据知识产权登记平台 收录
Electrical-Lines-Defect-Detection
该数据集是针对电力线路缺陷检测的，包含了由APEPDCL线路工人使用移动相机捕获的图片，并由Sampath Balaji团队整理。数据集以CC BY 4.0许可证发布，旨在促进开源合作、可重现性和人工智能的实践学习。数据集分为两个模块：目标检测和分类。目标检测模块遵循YOLOv12格式，分类模块由文件夹和CSV文件组成，都提供了训练、验证和测试数据集。
huggingface 收录
ICLR Peer Review and Rebuttal Process Dataset
该数据集包含从ICLR 2024和2025年收集的同行评审和反驳过程数据，数据来自OpenReview平台，包括评审者ID、初始评分和反驳后评分。评审者评分变化被追踪，使用追踪分数指标来评估评审者连续性，分数≤1表示有效使用，≥2需双重检查。数据许可证为CC BY 4.0。
github 收录
哈尔滨市区域产业链点发展评估数据
我司基于哈尔滨市区域产业发展的特征，结合数据的可获得性和有效性，基于不同产业链点的产业规模、龙头效应、资本热度、科技创新、发展效率等多个维度构建哈尔滨市区域产业链点的综合发展效能评估体系，并完成数据收集、数据清洗、特征衍生、模型构建、模型验证全过程，形成涵盖哈尔滨市主要产业链下核心链点的区域产业链点发展评分，能有效帮助金融机构在制定产业相关信贷政策以及确定特定产业预授信额度时，更准确全面地评价区域产业的发展效能和动态变化，辅助金融机构更好做好区域产业金融服务。区域产业链点发展指数 = ∑ Si * Xi ，其中Si是指标相应的权重系数，Xi是评价指标，i=1,2,3,……,21，21个指标包括“区域产业链点在营企业数量”“区域产业链点近1年新注册企业数量”等，指标经归一化处理后参与计算。模型结合专家经验和机器学习算法得出，专家主要基于行业实践、政策导向和国际贸易特点，帮助筛选关键指标并初步设定权重范围，然后通过主成分分析和随机森林算法进一步筛选指标并对初始权重进行优化。
浙江省数据知识产权登记平台 收录
UIEB, U45, LSUI
本仓库提供了水下图像增强方法和数据集的实现，包括UIEB、U45和LSUI等数据集，用于支持水下图像增强的研究和开发。
github 收录