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
Figshare
Figshare是一个在线数据共享平台，允许研究人员上传和共享各种类型的研究成果，包括数据集、论文、图像、视频等。它旨在促进科学研究的开放性和可重复性。
figshare.com 收录
CE-CSL
CE-CSL数据集是由哈尔滨工程大学智能科学与工程学院创建的中文连续手语数据集，旨在解决现有数据集在复杂环境下的局限性。该数据集包含5,988个从日常生活场景中收集的连续手语视频片段，涵盖超过70种不同的复杂背景，确保了数据集的代表性和泛化能力。数据集的创建过程严格遵循实际应用导向，通过收集大量真实场景下的手语视频材料，覆盖了广泛的情境变化和环境复杂性。CE-CSL数据集主要应用于连续手语识别领域，旨在提高手语识别技术在复杂环境中的准确性和效率，促进聋人与听人社区之间的无障碍沟通。
arXiv 收录
AIS数据集
该研究使用了多个公开的AIS数据集，这些数据集经过过滤、清理和统计分析。数据集涵盖了多种类型的船舶，并提供了关于船舶位置、速度和航向的关键信息。数据集包括来自19,185艘船舶的AIS消息，总计约6.4亿条记录。
github 收录
学生课堂行为数据集 (SCB-dataset3)
学生课堂行为数据集(SCB-dataset3)由成都东软学院创建，包含5686张图像和45578个标签，重点关注六种行为：举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景，通过YOLOv5、YOLOv7和YOLOv8算法评估，平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础，解决教育领域中学生行为数据集的缺乏问题。
arXiv 收录
RDD2022
RDD2022是一个多国图像数据集，用于自动道路损伤检测，由印度理工学院罗凯里分校交通系统中心等机构创建。该数据集包含来自六个国家的47,420张道路图像，标注了超过55,000个道路损伤实例。数据集通过智能手机和高分辨率相机等设备采集，旨在通过深度学习方法自动检测和分类道路损伤。RDD2022数据集的应用领域包括道路状况的自动监测和计算机视觉算法的性能基准测试，特别关注于解决多国道路损伤检测的问题。
arXiv 收录