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？
sj-csv-2-hij-10.1177_19401612211006702 - Supplemental material for Fit for Purpose? Exploring the Role of Freedom of Information Laws and Their Application for Watchdog Journalism|信息自由法数据集|监督性新闻数据集
收藏Mendeley Data2024-06-29 更新2024-06-28 收录
下载链接：
https://sage.figshare.com/articles/dataset/sj-csv-2-hij-10_1177_19401612211006702_-_Supplemental_material_for_Fit_for_Purpose_Exploring_the_Role_of_Freedom_of_Information_Laws_and_Their_Application_for_Watchdog_Journalism/21916770/1
下载链接
链接失效反馈资源简介：
Supplemental material, sj-csv-2-hij-10.1177_19401612211006702 for Fit for Purpose? Exploring the Role of Freedom of Information Laws and Their Application for Watchdog Journalism by Mária Žuffová in The International Journal of Press/Politics
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
PlantVillage
在这个数据集中，39 种不同类别的植物叶子和背景图像可用。包含 61,486 张图像的数据集。我们使用了六种不同的增强技术来增加数据集的大小。这些技术是图像翻转、伽玛校正、噪声注入、PCA 颜色增强、旋转和缩放。
OpenDataLab 收录
COD10KD, NC4K-D, CAMO-D
该数据集由华中科技大学的研究团队创建，旨在为现实中的伪装物体检测（RCOD）任务提供基准测试。数据集基于现有的COD10K-v2、NC4K和CAMO数据集，通过手动标注边界框和类别标签，生成了COD10KD、NC4K-D和CAMO-D三个新的数据集。这些数据集包含了伪装物体与其背景高度相似的特征，适用于检测任务的评估。数据集的应用领域主要集中在搜索与救援、军事打击等需要精确定位伪装物体的场景，旨在通过优化检测模型的前景与背景识别能力，提升RCOD任务的性能。
arXiv 收录
Global Firepower Index (GFI)
Global Firepower Index (GFI) 是一个评估全球各国军事力量的综合指数。该指数考虑了超过50个因素，包括军事预算、人口、陆地面积、海军力量、空军力量、自然资源、后勤能力、地理位置等。数据集提供了每个国家的详细评分和排名，帮助分析和比较各国的军事实力。
www.globalfirepower.com 收录
TCM-Tongue
TCM-Tongue是一个专门用于人工智能辅助中医舌诊的标准化舌像数据集，包含6719张在标准化条件下捕获的高质量图像，并标注了20种病理症状类别（平均每张图像有2.54个经过临床验证的标签，所有标签均由持有执照的中医执业医师验证）。数据集支持多种标注格式（COCO、TXT、XML），以方便广泛使用，并使用九种深度学习模型进行了基准测试，以展示其在人工智能开发中的实用性。该资源为推进可靠的中医计算工具提供了关键基础，填补了该领域的数据短缺，并通过标准化、高质量的诊断数据促进了人工智能在研究和临床实践中的整合。
arXiv 收录
UAVDT Dataset
The authors constructed a new UAVDT Dataset focused on complex scenarios with new level challenges. Selected from 10 hours raw videos, about 80, 000 representative frames are fully annotated with bounding boxes as well as up to 14 kinds of attributes (e.g., weather condition, flying altitude, camera view, vehicle category, and occlusion) for three fundamental computer vision tasks: object detection, single object tracking, and multiple object tracking.
datasetninja.com 收录