心理咨询问答语料库（以下也称为“数据集”，“语料库”）是为应用人工智能技术于心理咨询领域制作的语料。据我们所知，这是心理咨询领域首个开放的 QA 语料库，包括 20,000 条心理咨询数据，也是公开的最大的中文心理咨询对话语料。 https://github.com/chatopera/efaqa-corpus-zh

所罗门数据集。自己本来想在公开数据集上测试一下自己算法性能。查找了一圈，发现大家上传的所罗门数据集都是付费的。公开数据集也要付费，大家也有点不讲武德吧。算啦，那我上传一个免费的吧

Deep learning for computer vision with python-starter bundle(pdf+code+dataset) by Adrian at PyImageSearch

头部动作图像数据库 HeadPoseImageDatabase头部动作图像数据库 HeadPoseImageDatabase头部动作图像数据库 HeadPoseImageDatabase

SPIKE 数据集包含带有手动注释的地面实况标签的图像，用于训练和测试卷积神经网络以检测田间小麦的穗状花序。 此处提供的模型文件将与免费提供的 Microsoft Cognitive Toolkit 的 Faster R-CNN 实现一起使用，可在以下链接中找到 https://www.microsoft.com/en-us/cognitive-toolkit/ Futhermore，其他软件工具将很快可用，用于将模型与可执行程序一起使用，该程序需要更少的设置和更多的可视化步骤。

Association-Rules-Movies-Dataset-Using-Python：为所有数据集准备规则1）尝试不同的支持和置信度值。 观察不同支持和置信度值的规则数量的变化2）更改先验算法中的最小长度3）使用不同的图对获得的规则进行可视化

英文的数据集，机器学期训练数据时用。spam.csv，对垃圾邮箱进行分类，英文的数据集，机器学期训练数据时用。spam.csv，对垃圾邮箱进行分类，英文的数据集，机器学期训练数据时用。spam.csv，对垃圾邮箱进行分类

基于COCO数据集的人体姿势估计 该存储库包含使用深度神经网络执行人体姿态估计的SENG 474数据挖掘项目的在建项目。 下面是我们项目建议的简短摘录。 问题 人体姿态估计（HPE）是识别人体关键点以构建人体模型的问题领域。 许多现有系统接受图像作为输入，有些实现接受诸如点云和视频之类的格式。 HPE的应用广泛且使许多行业受益。 特别是，HPE在电影和游戏行业中均用于动画。 HPE的更险恶的应用可用于识别多个帧（即视频）上的个人。 HPE的另一个子集是手势估计，可用于翻译手语。 由于诸多挑战，HPE是一个困难的问题领域。 这些包括人类外观和体格的变化，环境光照和天气，其他物体的遮挡，关节重叠的自我遮挡，人体骨骼运动的复杂性以及2D图像输入的固有信息丢失[1]。 这个很大程度上未解决的问题使我们能够探索许多新颖和创造性的方法，从而丰富我们的学习经验。 我们很高兴探索这些应用程序，但是我们决定

cyclohexane, dataset

XNet XNet是一个卷积神经网络，旨在将X射线图像分割为骨骼，软组织和开放束区域。 具体而言，它在小型数据集上表现良好，目的是最大程度地减少软组织类别中的假阳性数。 该代码与在SPIE医学影像会议论文集（2019）中发表的论文一起提供，可在预印本arXiv上找到，为： 引用为： @inproceedings{10.1117/12.2512451, author = {Joseph Bullock and Carolina Cuesta-Lázaro and Arnau Quera-Bofarull}, title = {{XNet: a convolutional neural network (CNN) implementation for medical x-ray image segmentation suitable for small datasets}}, vol