five

设计企业资质核准(甲级及部分乙级除外)|行政管理数据集|设计企业资质数据集

收藏
北京市公共数据开放平台2024-03-01 收录
行政管理
设计企业资质
下载链接:
http://data.beijing.gov.cn/zyml/lssj/51719.htm
下载链接
链接失效反馈
资源简介:
该数据是北京市政务服务管理局提供。
提供机构:
北京市政务服务管理局
用户留言
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?
点击留言
数据主题
具身智能
数据集  4099个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
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

中国区域交通网络数据集

该数据集包含中国各区域的交通网络信息,包括道路、铁路、航空和水路等多种交通方式的网络结构和连接关系。数据集详细记录了各交通节点的位置、交通线路的类型、长度、容量以及相关的交通流量信息。

data.stats.gov.cn 收录

flames-and-smoke-datasets

该仓库总结了多个公开的火焰和烟雾数据集,包括DFS、D-Fire dataset、FASDD、FLAME、BoWFire、VisiFire、fire-smoke-detect-yolov4、Forest Fire等数据集。每个数据集都有详细的描述,包括数据来源、图像数量、标注信息等。

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

中国1千米分辨率逐日全天候地表土壤水分数据集(2003-2024)

(1、2025年5月19日对V2.0版本进行了最新更新,本次更新将数据集覆盖时段延伸至2024年年末。 2、2023年5月数据更新提示:本数据集的V2.0版本目前已经更新至2022年底,同时填补了2011年10月至2012年6月的空白时段,V2.0版本整体估算结果与V1.0原始版本相同,已下载的V1.0版本数据亦可放心使用,详情请参阅附件"2023年5月数据更新说明.pdf"。) 地表土壤水分(SSM)是了解地球表面水文过程的关键参数。长期以来,被动微波(PM)技术一直是在卫星遥感尺度上估算SSM的主要选择,而另一方面,PM观测的粗分辨率(通常>10 km)阻碍了其在更细尺度上的应用。虽然已经提出了定量研究,以缩小基于卫星PM的SSM的规模,但很少有产品可供公众使用,以满足1km分辨率和全天候条件下每日重访周期的要求。因此,在本研究中,我们在中国开发了一种具有所有这些特征的SSM产品。该产品是通过在36 km处对基于AMSR-E和AMSR-2的SSM进行降尺度生成的,涵盖了2003-2019年间两台辐射计的所有在轨时间。MODIS光学反射率数据和在多云条件下填补空白的每日热红外地表温度(LST)是降尺度模型的主要数据输入,以实现SSM降尺度结果的“全天候”质量。4月至9月期间,这一开发的SSM产品的每日图像在全国范围内实现了准完全覆盖。在其他月份,与最初的每日PM观测值相比,开发产品的全国覆盖率也大大提高。我们根据2000多个专业气象和土壤水分观测站的现场土壤水分测量结果对该产品进行了评估,发现该产品的精度在晴空到多云的所有天气条件下都是稳定的,无偏RMSE的站平均值在0.053 cm3/cm3到0.056 cm3/cm3之间。此外,评估结果还表明,开发的产品在1km分辨率下明显优于广为人知的SMAP Sentinel(主被动微波)组合SSM产品。这表明,我们开发的产品在改善未来水文过程、农业、水资源和环境管理相关调查方面可能带来的潜在重要效益。

国家青藏高原科学数据中心 收录

HazyDet

HazyDet是由解放军工程大学等机构创建的一个大规模数据集,专门用于雾霾场景下的无人机视角物体检测。该数据集包含383,000个真实世界实例,收集自自然雾霾环境和正常场景中人工添加的雾霾效果,以模拟恶劣天气条件。数据集的创建过程结合了深度估计和大气散射模型,确保了数据的真实性和多样性。HazyDet主要应用于无人机在恶劣天气条件下的物体检测,旨在提高无人机在复杂环境中的感知能力。

arXiv 收录