冠状动脉CT 该数据集的实用性已由中国武汉同济医院的一名高级放射科医生确认,他在1月至4月的疾病暴发期间对大量COVID-19患者进行了诊断和治疗。 发布此数据集后,我们收到了一些反馈,表达了对该数据集可用性的担忧。 主要问题概述如下。 首先,将原始CT图像放入纸张中后,这些图像的质量会下降,这可能会使诊断决策的准确性降低。 质量下降包括:损失了Hounsfield单位(HU)值; 每个像素的位数减少; 图像的分辨率降低。 其次,原始的CT扫描包含一系列CT切片,但是当放入论文中时,只选择了几个关键切片,这也可能对诊断产生负面影响。 我们就这两个问题咨询了同济医院的放射科医生。 放射科医生认为,这些问题引起的问题不会显着影响诊断决策的准确性。 首先,经验丰富的放射科医生能够根据低质量的CT图像做出准确的诊断。 例如,给定由智能手机拍摄的原始CT图像照片,尽管照片中的CT图像质量比原始CT图像低得多,但是有经验的放射科医生仅通过查看照片即可做出准确的诊断。 同样,论文中的CT图像与原始CT图像之间的质量差距不会在很大程度上损害诊断的准确性。 其次,虽然最好读取一系列CT切片,但通常单
2021-08-31 13:40:54 370.82MB computer-vision deep-learning dataset ct
1
NGSIM US-101数据集平滑 描述 NGSIM US-101数据集平滑功能使用提供了众所周知的轨迹NGSIM US-101数据集的低噪点和平滑版本。 平滑过程分为两个步骤,该过程包括:首先,平滑X和Y值,然后相对于平滑的X,Y值重新计算速度和加速度。 表中的内容 NGSIM US-101数据集 自2005年发布以来,NGSIM US 101数据集一直是研究人员进行轨迹预测的最终开源数据集。包括[1-3]在内的许多研究人员都指出数据集中存在噪声,这主要是由于其具有是从位于加利福尼亚州洛杉矶的俯瞰好莱坞高速公路的建筑物上安装的8台摄像机的视频录像中自动提取的,也称为美国南行101。用于提取NGSIM US-101数据集的软件称为NG-VIDEO软件。 另外,NGSIM文档明确指出: 尚未对数据集进行准确性评估 [我们不对数据完整性提出任何要求。 提供的数据可能存在差距 我们发现,绘制加
2021-08-31 09:12:33 348.28MB dataset self-driving-car smoothing trajectory
1
中国传统山水画数据集 文章标题:“利用生成的对抗网络进行端到端的中国山水画创作” ArXiv: : 抽象的:当前基于GAN的艺术生成方法由于依赖条件输入而产生非原创的艺术作品。在这里,我们提出GAN(SAPGAN),这是第一个无需条件输入就能从头到尾生成中国山水画的模型。 SAPGAN由两个GAN组成:SketchGAN(用于生成边缘贴图)和PaintGAN(用于随后的边缘到绘画转换)。我们的模型是在从未用于生成研究的中国传统山水画的新数据集上进行训练的。一项242人的视觉图灵测试研究表明,SAPGAN绘画被误认为是人类艺术品,其频率为55%,明显优于基线GAN。我们的工作为真正的机器原创艺术创作奠定了基础。 素描和绘画GAN与基准模型相比: 在这里,我们提供了用于训练“素描和绘画” GAN模型的数据集。数据集包含2,192幅高质量的中国传统山水画。来自以下来源的所有绘画尺寸均为512x5
2021-08-31 08:43:07 177.26MB
1
使用ANN,多元线性回归和XGBoost_regression预测超导临界温度-K 我已经使用ANN,多重Liniear回归和XGBoost_regression来预测超导体材料的临界温度。
2021-08-27 15:35:16 10.46MB JupyterNotebook
1
这项工作是由美国罗切斯特大学的罗切斯特人机交互(ROC HCI)实验室与美国CMU,SCS语言技术学院合作完成的。 ROC-HCI网站:( ) 你很好笑 该存储库包括UR-FUNNY数据集:第一个用于多模式幽默检测的数据集。 它包含有关如何读取数据集的教程。 它具有用于幽默检测的Contextual Memory Fusion Netowrk代码。 请阅读以下文章以获取有关数据集和模型的详细信息。 如果使用数据和模型,请考虑引用研究论文: @inproceedings{hasan-etal-2019-ur, title = "{UR}-{FUNNY}: A Multimodal Language Dataset for Understanding Humor", author = "Hasan, Md Kamrul and Rahman, Was
2021-08-17 16:40:00 8KB JupyterNotebook
1
ConvLSTM-Moving-mnist Using convlstm to prediction moving mnist dataset. run main.py for train 1、network structure 使用其中一个序列,迭代训练,收敛。 前10帧--第11帧,...,第10-19帧预测第20帧。 输入mnist序列 三层conv 一层BasicConvLstmCel 三层conv flatten (1,10,64,64,1) (1,10,64,64,16)(1,1,64,64,1024) (1,1,64,64,1) 2、result 3、loss curve
2021-08-16 22:47:57 90KB Python
1
js-ipld-hashmap 一个关联数组 Map 类型的数据结构,用于构建在上的非常大的分布式数据集。 此 JavaScript 实现符合,该描述了一种 HAMT 算法,用于使用内容寻址块构建任意大小的均匀分布的关联数组。 例子 import fs from 'fs/promises' import { create , load } from 'ipld-hashmap' import { sha256 as blockHasher } from 'multiformats/hashes/sha2' import * as blockCodec from '@ipld/dag-cbor' // encode blocks using the DAG-CBOR format // A basic in-memory store for mapping CIDs to their
2021-08-04 22:04:56 31KB JavaScript
1
手写数据库 这是来自的组织。 在原始数据库中,所有图像都是混合的,与编写者无关。 提供文件“ forms_for_parsing.txt”来确定单个笔迹与其书写者之间的关系。 在此存储库中,收集了50个手写图像数量最多的作家,并且根据其作家对这些图像进行了分类。 方便进行训练/验证/测试拆分和标记。 参考 U. Marti和H. Bunke。 IAM数据库:用于离线手写识别的英语句子数据库。 诠释文档分析与识别杂志,第5卷,第39-46页,2002年。
2021-07-28 11:10:37 184.5MB database handwriting handwriting-recognition Python
1
IAM 数据集 (目前有点乱) 一系列工具,用于开发从 SDK 调用到 IAM 操作以及托管策略评估的综合映射 ( map.json )。 它目前用于支持: 映射工具托管版本: : 。 map.json 语法定义 ${PropertyName} - PropertyName属性的变量替换 . - 对象/地图中的属性 [] - 对于数组中的每个值 %%urlencode%${PropertyName}%% - 对PropertyName属性执行 URL 编码 %%many%${PropertyName}%${PropertyName2}%${PropertyName3}%% - 对于每个PropertyName 、 PropertyName2和PropertyName3属性(任意长度) %%iftemplatematch%${ArnProperty}%% - 仅当模板与资源类型的
2021-07-23 18:03:39 11.36MB aws iam aws-iam sar
1
树数据集 <script type="text/javascript" src=" 这个 PostgreSQL 数据库包含美国的所有树木。 它包括有关以下树的地理空间数据。 可爱的冷杉 银星 水杉 冷杉 冷杉 冷杉 冷杉 大冷杉 高大的枞树 金合欢 金合欢 金合欢 金合欢 相思 刚毛相思 金合欢 相思矫直 金合欢 宏基胡子 宏基 红枫 L. 宏碁 宏碁白细胞 大叶槭 宏基 黑槭 加布 宏基 枫 宏基 伪悬铃木 乳汁菌 七叶树 七叶树 紫檀 小紫杉 宏碁帕维亚 山毛榉 龙舌兰简历 赤杨海岸 桤木 桤木 阿尔努斯 桤木 桤木 桤木沟 桤木 无花果 萨斯卡通 树莓 科利纳内饰 科琳娜满脸通红 犹他鲟 扁豆 苦杏仁 香蒲 番荔枝 刺龙蒿 孩子们 FIR 孩子 德克萨斯州的孩子们 黑升麻 紫菀 艾蒿 阿西米娜小花 三叶草 星球菌芽 假盐沼 桦木 桦木坚韧 白桦 桦木 西洋桦 桦木 白桦 桦木
2021-07-21 11:35:11 55.69MB HTML
1