S1_D71_20190704-0716_PixelOffsets_range_corr.grd
收藏糖尿病预测数据集
糖尿病相关的医学研究或者健康数据
AI_Studio 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
中国农村教育发展报告
该数据集包含了中国农村教育发展的相关数据,涵盖了教育资源分布、教育质量、学生表现等多个方面的信息。
www.moe.gov.cn 收录
fruits_weight
该数据集用于训练和改进YOLOv8-seg模型,用于水果成熟度的识别与分割。数据集包含12个类别,涵盖了从生鲜水果到成熟水果的不同阶段,具体类别包括:生芒果(Raw_Mango)、熟芒果(Ripe_Mango)、熟葡萄(ripe grape)、熟苹果(ripe_apple)、熟橙子(ripe_orange)、熟石榴(ripe_pomegranate)、半熟葡萄(semiripe grape)、半熟苹果(semiripe_apple)、未熟葡萄(unripe grape)、未熟苹果(unripe_apple)、未熟橙子(unripe_orange)和未熟石榴(unripe_pomegranate)。数据集的丰富性和多样性使其成为训练水果成熟度识别模型的理想选择。
github 收录
WTQ (WikiTableQuestions)
WikiTableQuestions (WTQ) 是一个用于自然语言处理任务的数据集,主要用于从表格数据中提取信息。该数据集包含来自维基百科的22,033个表格和22,033个问题,每个问题都与一个表格相关联。数据集的目标是训练和评估模型,使其能够理解自然语言查询并从表格中提取正确的答案。
github.com 收录
