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？
RIUMA|学术资源管理数据集|开放访问数据集
收藏re3data.org2024-05-31 收录
下载链接：
https://www.re3data.org/repository/r3d100014208
下载链接
链接失效反馈资源简介：
RIUMA is the Institutional Repository of the University of Malaga whose objective is to facilitate and improve the visibility of the scientific and academic production of the University of Malaga, allowing open access to its contents and guaranteeing the preservation and conservation of this production. The collection includes articles, research data, scientific papers, teaching material, digitized old collection and other documents in different digital formats.
RIUMA为马拉加大学（University of Malaga）的机构知识库，旨在促进并提升马拉加大学在科学和学术领域的产出可见性，提供其内容的开放获取，并确保该产出得以妥善保存与维护。该库收录了包括论文、研究数据、学术论文、教学资料、数字化古籍及其他不同数字格式的文档。
提供机构：
Repositorio Institucional de la Universidad de Málaga
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
LIDC-IDRI
LIDC-IDRI 数据集包含来自四位经验丰富的胸部放射科医师的病变注释。 LIDC-IDRI 包含来自 1010 名肺部患者的 1018 份低剂量肺部 CT。
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
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
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
HDFS, BGL, Liberty, Thunderbird
该仓库包含四个数据集：HDFS、BGL、Liberty和Thunderbird。这些数据集用于基于日志的异常检测实验，每个数据集都提供了日志消息数量、日志序列数量、训练和测试数据中的异常数量及异常比例等详细统计信息。
github 收录