five

CHECK UID FREE FIRE |游戏账户数据集|数据查询数据集

收藏
RapidAPI2025-07-06 更新2025-06-07 收录
游戏账户
数据查询
下载链接:
https://rapidapi.com/greatthug/api/check-uid-free-fire1
下载链接
链接失效反馈
资源简介:
Instantly get all the detailed information of a Free Fire account with a simple
创建时间:
2025-07-06
原始信息汇总

CHECK UID FREE FIRE 数据集概述

基本信息

  • API名称: CHECK UID FREE FIRE
  • 类别: Gaming
  • 提供商: greatthug
  • 订阅人数: 3
  • 版本: v1 (current)
  • 服务等级: 67%
  • 延迟: 2761ms
  • 测试通过率: 95%

定价计划

  • BASIC: $0.00 / mo
  • PRO: $1.99 / mo
  • ULTRA: $2.99 / mo
  • MEGA: $5.99 / mo

API概述

Free Fire Username Validation and Retrieval API 是一个快速可靠的解决方案,适用于开发者和服务。主要功能包括:

  • 验证 Free Fire 玩家 ID (UID)
  • 检索关联的用户名(昵称)
  • 访问所有公开账户信息

适用场景

  • 钻石充值平台
  • 游戏市场
  • 需要确认玩家身份或显示完整个人资料详细信息的服务

特点

  • 可靠性高
  • 智能缓存机制
  • 确保安全交易和流畅的用户体验

端点

  • GET Get playeur info free fire
  • GET Get username free fire
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

Lending Club Loan Data

该数据集包含贷款申请人的各种属性及其贷款状态。关键列包括贷款金额、贷款期限、利率、年收入、贷款等级、贷款目的、债务收入比、贷款发放年份、住房所有权和贷款状态。

github 收录

NPU-BOLT

NPU-BOLT数据集是由西北工业大学创建的,专门用于自然场景下的螺栓目标检测。该数据集包含337个样本,主要来源于自然环境中的图像,图像大小从400*400到6000*4000不等,总计约1275个螺栓目标。数据集中的图像通过手持相机和无人机捕获,旨在覆盖尽可能多的自然环境情况。数据集创建过程中,考虑了多种实际条件,如不同的光照强度、阴影遮挡、大面积腐蚀等。NPU-BOLT数据集的应用领域主要集中在工程结构的实时或及时检测松动或脱落的螺栓,这对于保持结构安全和延长服务寿命至关重要。

arXiv 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

IMF International Financial Statistics (IFS)

国际货币基金组织(IMF)的国际金融统计(IFS)数据集提供了全球各国的金融和经济数据,包括货币供应、利率、国际收支、国际储备等。该数据集是研究国际金融和经济趋势的重要资源。

www.imf.org 收录

Mill 19

我们针对多个不同的数据集评估Mega-NeRF。我们的Mill 19数据集由我们在一个前工业园区附近第一手记录的两个场景组成。Mill 19-Building由在工业建筑周围的大型500 250平方米区域中以网格图案捕获的镜头组成。19号磨坊-瓦砾覆盖了附近一个充满碎片的建筑区域,我们在其中放置了伪装成幸存者的人体模型。我们还针对两个公开可用的集合来测量Mega-NeRF-Quad 6k数据集,在Cornell Universty Arts Quad中收集的大型运动结构数据集以及UrbanScene3D中的几个场景,其中包含高分辨率的无人机图像大规模城市环境。我们使用PixSFM完善了Mill 19和UrbanScene3D数据集中的初始GPS衍生相机姿势以及Quad 6k数据集中提供的估计值。我们使用预先训练的语义分割模型来产生Quad 6k数据集中常见可移动对象的掩码,并在训练过程中忽略掩码像素。

OpenDataLab 收录