Overview of the multi-query run.

Figshare2016-06-21 更新2026-04-29 收录

下载链接：

https://figshare.com/articles/dataset/Overview_of_the_multi-query_run_/3451958

下载链接

链接失效反馈

官方服务：

资源简介：

Overview of the multi-query run.

创建时间：

2016-06-21

Overview of the multi-query run.

NIAID Data Ecosystem30

Multi-query Re-Identification dataset (MuRI)

MuRI数据集是由安徽大学人工智能学院创建的一个大型车辆再识别数据集，包含23637张车辆图像，这些图像由6142个摄像头在真实交通监控系统中捕获。数据集涵盖了多种视角，包括前视、侧视和后视，平均每个车辆ID跨越34.6个摄像头。MuRI数据集旨在为多查询车辆再识别提供一个更真实和具有挑战性的场景，特别是在复杂的监控网络中。此外，数据集的创建考虑了多种环境因素，如光照变化、遮挡和复杂的背景，以确保

arXiv2023-05-25 更新480

Summary of cases run.

NIAID Data Ecosystem40

Multi-Query Text Retrieval (MQTR)

MQTR数据集是首个用于评估多查询场景文本检索模型能力的基准数据集，包括四种查询类型和16,000张图像。该数据集由华中科技大学的研究团队构建，旨在解决现有场景文本检索方法对边界框标注依赖的问题，并支持多样化查询。MQTR数据集的构建过程采用了多个已标注的公开数据集和来自Google Image Search的图像，旨在满足实际应用中的多样化需求。该数据集在场景文本检索领域具有广泛的应用前景，有助

arXiv2025-06-12 更新130

Multi-Query Associate Recall (MQAR) benchmark

该数据集名为MQAR基准，旨在探究包括注意力机制、状态空间模型（SSMs）和循环神经网络（RNNs）在内的不同模型架构的性能。数据集包含词汇量为8192的任务，并特别进行了学习率扫描，使用np.logspace(-4, -2, 4)方法。该数据集的任务是对不同机器学习模型架构进行比较评估。

arXiv700