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？
Shell model calculations of point defect formation energies in cubic ionic crystals
收藏Mendeley Data2023-02-23 更新2024-06-26 收录
下载链接：
https://data.mendeley.com/datasets/spbh233nvw
下载链接
链接失效反馈资源简介：
Title of program: POINT DEFECTS IN CRYSTALS
Catalogue Id: AAOL_v1_0
Versions of this program held in the CPC repository in Mendeley Data
AAOL_v1_0; POINT DEFECTS IN CRYSTALS; 10.1016/0010-4655(82)90064-9
This program has been imported from the CPC Program Library held at Queen's University Belfast (1969-2019)
创建时间：
2019-12-18
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
中国区域地面气象要素驱动数据集 v2.0（1951-2024）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 74 年（1951~2024 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 74 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。
国家青藏高原科学数据中心 收录
CAS 滑坡数据集：用于山体滑坡检测深度学习的大规模多传感器数据集
在这项工作中，我们提出了CAS滑坡数据集，这是一个用于基于深度学习的滑坡检测的大规模多传感器数据集，由中国科学院（CAS）山地灾害与环境研究所的人工智能小组开发。该数据集旨在解决滑坡识别中遇到的挑战。随着气候变化和地震导致的山体滑坡发生率增加，人们越来越需要一个精确而全面的数据集来支持快速有效的山体滑坡识别。与现有数据集的数据集大小、覆盖范围、传感器类型和分辨率限制相比，CAS 滑坡数据集包括 20,958 张图像，整合了来自 <> 个地区的卫星和无人机数据。为了确保可靠性和适用性，我们建立了一种稳健的方法来评估数据集的质量。我们建议使用CAS滑坡数据集作为构建滑坡识别模型的基准，并促进深度学习技术的发展。研究人员可以利用该数据集获得增强的预测、监测和分析能力，从而推进自动滑坡检测。如果您打算使用我们的数据集，请通过引用我们在您的项目中的工作来感谢我们的研究。
DataCite Commons 收录
PASCAL VOC 2007
这个挑战的目标是从现实场景中的许多视觉对象类别中识别对象（即不是预先分割的对象）。它基本上是一个监督学习问题，因为它提供了一组标记图像的训练集。已选择的 20 个对象类别是： 人：人 动物：鸟、猫、牛、狗、马、羊 交通工具：飞机、自行车、船、公共汽车、汽车、摩托车、火车 室内：瓶子、椅子、餐桌、盆栽、沙发、电视/显示器 将有两个主要比赛和两个较小规模的“品酒师”比赛。内容：提供的训练数据由一组图像组成；每个图像都有一个注释文件，为图像中存在的 20 个类别之一中的每个对象提供一个边界框和对象类别标签。请注意，来自多个类的多个对象可能出现在同一图像中。
OpenDataLab 收录
BLINK-Benchmark/BLINK
BLINK数据集是一个用于评估多模态大语言模型（LLMs）视觉感知能力的基准测试。该数据集包含14个经典计算机视觉任务，共3,807个多项选择题，每个问题都配有单张或多张图像以及视觉提示。BLINK的独特之处在于其多样化的视觉提示、超越识别的感知能力以及视觉常识。数据集的目标是挑战多模态模型在整体视觉感知能力上的表现，并推动未来多模态LLMs的发展，使其达到人类水平的视觉感知。
hugging_face 收录
EmotionTalk
EmotionTalk是一个包含丰富注释的交互式中文多模态情感数据集，由南开大学和北京人工智能研究院的学者共同创建。该数据集从19名演员参与的对话场景中收集了多模态信息，包括声音、视觉和文本模态。它包含了23.6小时的语音（19250个话语），并标注了7种话语级别的情感类别（快乐、惊讶、悲伤、厌恶、愤怒、恐惧和中性），5维情感标签（负面、弱负面、中性、弱正面和正面），以及4维语音字幕（说话者、说话风格、情感和整体）。该数据集非常适合单模态和多模态情感识别、缺失模态挑战和语音字幕任务的研究。据我们所知，它是第一个高质量的、多功能的中文对话多模态情感数据集，对跨文化情感分析和识别的研究是一个宝贵的贡献。此外，我们还在EmotionTalk上进行了实验，以证明数据集的有效性和质量。它将开源并免费提供给所有学术目的。
arXiv 收录