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？
Spatial Scaling Challenge. COST Action CA17134 SENSECO. Working Group 1
收藏Mendeley Data2024-05-10 更新2024-06-27 收录
下载链接：
https://zenodo.org/records/6451335
下载链接
链接失效反馈资源简介：
This dataset contains the data, documentation, and scripts that compose the SPATIAL SCALING CHALLENGE organized in the framework of the SENSECO COST Action CA17143 “Optical synergies for spatiotemporal SENsing of Scalable ECOphysiological traits” (https://www.senseco.eu/), by the Working Group 1. “Closing the scaling gap: from leaf measurements to satellite images” (https://www.senseco.eu/working-groups/wg1-scaling-gap/). The SPATIAL SCALING CHALLENGE is an open exercise where we challenge the remote sensing community to retrieve relevant vegetation biophysical and physiological variables such as leaf chlorophyll content (Cab), leaf area index (LAI), maximal carboxylation rate (Vcmax,25), and non-photochemical quenching (NPQ) from simulated (hyperspectral reflectance (HDRF), sun-induced chlorophyll fluorescence (F) and land surface temperature (LST)) imagery. The dataset contains the simulated remote sensing and field data, their description, and scripts in Matlab, Python, and R languages to facilitate importing and handling the data and producing the standardized outputs necessary to participate. IMPORTANT: Additional data that can be used at the discretion of the participants have been released in https://doi.org/10.5281/zenodo.6530187 The SPATIAL SCALING CHALLENGE aims at gathering the community’s expertise and knowledge to tackle the scaling problems posed by variables of different nature. These experiences will be summarized in a journal article where all the participants are invited to contribute. The exercise is internationally open. Ph.D. students, early career and senior researchers, spin-offs, and companies working in the field of remote sensing of vegetation ecophysiology are welcome to participate. STILL OPEN FOR PARTICIPATION! New deadline 31st of October 2022. Follow all the communications and updates of the SPATIAL SCALING CHALLENGE in the RG site: https://www.researchgate.net/project/Spatial-Scaling-Challenge-COST-Action-CA17134-SENSECO-Working-Group-1.
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
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
MMOral
MMOral是一个针对全景X光片解读的大规模多模态指令数据集和基准。它包括20,563张带有1.3百万条指令跟随实例的注释图像，涵盖了多种任务类型，如属性提取、报告生成、视觉问答和基于图像的对话。此外，我们还提出了MMOral-Bench，这是一个涵盖牙科五个关键诊断维度的综合评估套件。我们评估了64个LVLMs在MMOral-Bench上的表现，发现即使是表现最好的模型GPT-4o，也只能达到41.45%的准确率，这揭示了当前模型在这一领域的显著局限性。为了促进该特定领域的发展，我们还提出了OralGPT，它使用我们精心策划的MMOral指令数据集对Qwen2.5-VL-7B进行监督微调。值得注意的是，一个SFT周期就为LVLMs带来了显著的性能提升，例如，OralGPT表现出24.73%的改进。MMOral和OralGPT都具有作为智能牙科关键基础的巨大潜力，并使牙科领域中的多模态AI系统更具临床意义。数据集、模型、基准和评估套件可在上述网址获取。
arXiv 收录
Stanford Cars
Cars数据集包含196类汽车的16,185图像。数据被分成8,144训练图像和8,041测试图像，其中每个类被大致分成50-50。类别通常在品牌，型号，年份，例如2012特斯拉Model S或2012 BMW M3 coupe的级别。
OpenDataLab 收录
XS-Video
XS-Video数据集是由中国科学院自动化研究所MAIS实验室提出的一个大规模现实世界短视频传播数据集。该数据集收集了来自中国五大平台（抖音、快手、西瓜视频、今日头条、哔哩哔哩）的117720个短视频，包含381926个样本和535个话题，覆盖了从发布后的互动信息，如观看、点赞、分享、收藏、粉丝和评论等。数据集通过跨平台指标对齐方法，对视频的长期传播影响力进行评分，分为0到9级，旨在为短视频传播研究提供全面的互动信息和内容特征。
arXiv 收录
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