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？
Tea, cedar and eucalyptus plants, Kyimbila, Tanzania, ca.1898-1914
收藏Mendeley Data2024-01-31 更新2024-06-27 收录
下载链接：
https://digitallibrary.usc.edu/asset-management/2A3BF1DZE0JH
下载链接
链接失效反馈资源简介：
"Vordere Reihe: Thee; dahinter Zedern, dahinter Eukalypten in Kyimbila." ("Front row: tea; behind[:] cedars, behind[:] eucalyptus trees in Kyimbila."). An African man, woman, boy and a white girl are standing in front of tea shrubs behind which cedars and eucalyptus trees are standing. Farther back, a man with a mule. Imprinted on the image: "3207".; Adolf Ferdinand Stolz (1871-1917) was a mission trader of the Herrnhuter Brüdergemeine in Ipanya from 1898 to 1902 and in Kyimbila from 1903 to 1914. He was responsible for the plantations in Kyimbila and Rutenganio. In 1898 he married Helene Elisabeth, née Kootz (1872-1899), in 1903 Anna, née Schulze.
创建时间：
2024-01-31
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
中国劳动力动态调查
“中国劳动力动态调查” （China Labor-force Dynamics Survey，简称 CLDS）是“985”三期“中山大学社会科学特色数据库建设”专项内容，CLDS的目的是通过对中国城乡以村/居为追踪范围的家庭、劳动力个体开展每两年一次的动态追踪调查，系统地监测村/居社区的社会结构和家庭、劳动力个体的变化与相互影响，建立劳动力、家庭和社区三个层次上的追踪数据库，从而为进行实证导向的高质量的理论研究和政策研究提供基础数据。
中国学术调查数据资料库 收录
danaroth/whu_hi
WHU-Hi数据集（武汉无人机载高光谱图像）由武汉大学RSIDEA研究组收集和共享，可作为精确作物分类和高光谱图像分类研究的基准数据集。该数据集包含三个独立的无人机载高光谱数据集：WHU-Hi-LongKou、WHU-Hi-HanChuan和WHU-Hi-HongHu，均在中国湖北省的农业区域采集。这些数据集通过安装在无人机平台上的Headwall Nano-Hyperspec传感器获取，具有高空间分辨率（H2图像）。数据集预处理包括辐射校准和几何校正，使用仪器制造商提供的HyperSpec软件进行处理。每个数据集都包含了详细的采集时间、天气条件、传感器信息、飞行高度、图像尺寸、波段数量和空间分辨率等信息，并提供了不同作物类别的样本数量。
hugging_face 收录
ShapeNet
ShapeNet 是由斯坦福大学、普林斯顿大学和美国芝加哥丰田技术研究所的研究人员开发的大型 3D CAD 模型存储库。该存储库包含超过 3 亿个模型，其中 220,000 个模型被分类为使用 WordNet 上位词-下位词关系排列的 3,135 个类。 ShapeNet Parts 子集包含 31,693 个网格，分为 16 个常见对象类（即桌子、椅子、平面等）。每个形状基本事实包含 2-5 个部分（总共 50 个部分类）。
OpenDataLab 收录
Water temperature and current velocity from surface drifter SVP_9524404
This dataset is about: Water temperature and current velocity from surface drifter SVP_9524404.
doi.pangaea.de 收录
RDD2022
RDD2022是一个多国图像数据集，用于自动道路损伤检测，由印度理工学院罗凯里分校交通系统中心等机构创建。该数据集包含来自六个国家的47,420张道路图像，标注了超过55,000个道路损伤实例。数据集通过智能手机和高分辨率相机等设备采集，旨在通过深度学习方法自动检测和分类道路损伤。RDD2022数据集的应用领域包括道路状况的自动监测和计算机视觉算法的性能基准测试，特别关注于解决多国道路损伤检测的问题。
arXiv 收录