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？
Canadian Gallup Poll, September 1991, #109_1|民意调查数据集|政治与社会数据集
收藏DataONE2023-06-23 更新2024-06-08 收录
下载链接：
https://search.dataone.org/view/sha256:ab0e4da0fd515750a00c8e5d2631f582a5a59817e1df6407f1b3a0d22981463a
下载链接
链接失效反馈资源简介：
This Gallup poll seeks the opinions of Canadians, on predominantly political and social issues. The questions ask opinions on the economy, impression of public figures, election polling, Brian Mulroney, Jean Chretien, Audrey McLaughlin, and Lucien Bouchard. There are also questions on other topics of interest such as the threat of war, Ontario politics, concern of the environment, Canadian unity, and questions related to political party preference. The respondents were also asked questions so that they could be grouped according to geographic, political and social variables. Topics of interest include: the economy; abortion; Ontario politics; impression of public figures; election polling; Canadian unity; treatment of Native Canadians; cost of housing; illegal drug use; neighbourhood safety; public servant's pay; and political party preference. Basic demographic variables are also included.
创建时间：
2024-03-28
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
CE-CSL
CE-CSL数据集是由哈尔滨工程大学智能科学与工程学院创建的中文连续手语数据集，旨在解决现有数据集在复杂环境下的局限性。该数据集包含5,988个从日常生活场景中收集的连续手语视频片段，涵盖超过70种不同的复杂背景，确保了数据集的代表性和泛化能力。数据集的创建过程严格遵循实际应用导向，通过收集大量真实场景下的手语视频材料，覆盖了广泛的情境变化和环境复杂性。CE-CSL数据集主要应用于连续手语识别领域，旨在提高手语识别技术在复杂环境中的准确性和效率，促进聋人与听人社区之间的无障碍沟通。
arXiv 收录
OpenSonarDatasets
OpenSonarDatasets是一个致力于整合开放源代码声纳数据集的仓库，旨在为水下研究和开发提供便利。该仓库鼓励研究人员扩展当前的数据集集合，以增加开放源代码声纳数据集的可见性，并提供一个更容易查找和比较数据集的方式。
github 收录
MeSH
MeSH（医学主题词表）是一个用于索引和检索生物医学文献的标准化词汇表。它包含了大量的医学术语和概念，用于描述医学文献中的主题和内容。MeSH数据集包括主题词、副主题词、树状结构、历史记录等信息，广泛应用于医学文献的分类和检索。
www.nlm.nih.gov 收录
boat
本项目所使用的数据集名为“boat”，旨在为改进YOLOv11的船舶类型检测系统提供丰富的训练素材。该数据集包含六个主要类别，分别为：散货船、集装箱船、渔船、一般货船、矿石运输船和客船。这些类别涵盖了船舶运输行业的多样性，确保了模型在不同类型船舶识别上的全面性和准确性。数据集中的图像经过精心挑选和标注，确保每个类别的样本都具有代表性。通过使用“boat”数据集，改进后的YOLOv11模型将能够更准确地识别和分类不同类型的船舶，从而提高船舶监测和管理的效率。
github 收录
DIV2K
displayName: DIV2K labelTypes: [] license: - DIV2K Custom mediaTypes: - Image paperUrl: https://doi.org/10.1109/CVPRW.2017.150 publishDate: "2017" publishUrl: https://data.vision.ee.ethz.ch/cvl/DIV2K/ publisher: - ETH Zurich tags: - RGB Image taskTypes: - Image Super-resolution --- # 数据集介绍 ## 简介 DIV2K数据集分为: 列车数据: 从800高清高分辨率图像开始，我们获得相应的低分辨率图像，并为2、3和4个降尺度因子提供高分辨率和低分辨率图像 验证数据: 100高清晰度高分辨率图像用于生成低分辨率对应图像，低分辨率从挑战开始提供，并用于参与者从验证服务器获得在线反馈; 当挑战的最后阶段开始时，高分辨率图像将被释放。 测试数据: 100多样的图像用于生成低分辨率的相应图像; 参与者将在最终评估阶段开始时收到低分辨率图像，并在挑战结束并确定获胜者后宣布结果。 ## 引文 ``` @inproceedings{agustsson2017ntire, title={Ntire 2017 challenge on single image super-resolution: Dataset and study}, author={Agustsson, Eirikur and Timofte, Radu}, booktitle={Proceedings of the IEEE conference on computer vision and pattern recognition workshops}, pages={126--135}, year={2017} } ``` ## Download dataset :modelscope-code[]{type="git"}
魔搭社区 收录