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？
UNI-CEN Boundaries (CBF-Original Shorelines) - Province/Territory (PR) - 2006 - File Geodatabase format (WGS84 / EPSG:4326)
收藏DataONE2023-04-03 更新2024-06-08 收录
下载链接：
https://search.dataone.org/view/sha256:0d658f59f36cbcf22e58ed3679fd152e5a0d722eca8e84a6f424602a56c8d97d
下载链接
链接失效反馈资源简介：
The UNI-CEN Digital Boundary File Series facilitates the mapping of UNI-CEN census data tables. Boundaries are provided in multiple formats for different use cases: Esri Shapefile (SHP), geoJson, and File Geodatabase (FGDB). SHP and FGDB files are provided in two projections: NAD83 CSRS for print cartography and WGS84 for web applications. The geoJson version is provided in WGS84 only. The UNI-CEN Standardized Census Data Tables are readily merged to these boundary files. For more information about file sources, the methods used to create them, and how to use them, consult the documentation at https://borealisdata.ca/dataverse/unicen_docs. For more information about the project, visit https://observatory.uwo.ca/unicen.
创建时间：
2023-12-28
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
Solar Radiation Data
该数据集包含全球多个地点的太阳辐射数据，涵盖了不同时间段和气象条件下的辐射强度。数据包括直接辐射、散射辐射和总辐射等指标，适用于太阳能资源评估和气候研究。
www.nrel.gov 收录
PetFace
PetFace数据集由京都大学和日本东京大学联合创建，是一个大规模的动物面部识别数据集，包含257,484个独特的个体，跨越13个动物家族和319个品种类别。数据集包含1,012,934张图像，通过互联网自动和手动过滤过程收集，确保数据集不仅规模大，而且细节丰富且清洁。数据集提供了包括性别、品种、颜色和图案在内的细粒度注释，支持对已知和未知个体的识别。PetFace数据集的应用领域包括动物行为监测、栖息地调查和失踪动物寻找，旨在推动非侵入性动物自动识别方法的发展。
arXiv 收录
World Development Indicators (WDI)
世界发展指标（World Development Indicators, WDI）是由世界银行发布的一个综合数据集，涵盖了全球200多个国家和地区的经济、社会和环境指标。数据集包括人口统计、教育、健康、经济、环境等多个领域的指标，旨在提供全球发展状况的全面视图。
databank.worldbank.org 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
UAV123
从低空无人机捕获的视频与流行的跟踪数据集 (如OTB50，OTB100，VOT2014，VOT2015，TC128和ALOV300) 中的视频本质上不同。因此，我们提出了一个新的数据集 (UAV123)，其序列来自空中视点，其子集用于长期空中跟踪 (UAV20L)。我们新的UAV123数据集包含总共123个视频序列和超过110K帧，使其成为仅次于ALOV300的第二大对象跟踪数据集。所有序列都用直立的边界框完全注释。数据集可以很容易地与视觉跟踪器基准集成。它包括无人机数据集的所有边界框和属性注释。还请使用包含序列和跟踪器配置的修改后的文件 “configSeqs.m” 和 “configTrackers.m” 下载修改后的跟踪器基准。另外，请注意，文件 “perfPlot.m” 已根据本文中描述的属性进行了修改以进行评估。
OpenDataLab 收录