AR人脸数据经常用到的是其中的一个子集共100个人，50男50女。 AR人脸数据库的组成：两个阶段，每个阶段13个图片，7个表情和光照变化，3个墨镜3个围巾

图像增强，色彩校正/恢复 EUVP数据集：，，。 （已配对和未配对的数据； FUnIE-GAN） 水下图像网：，，。 （配对数据； UGAN） UIEBD数据集：，，。 （水网） SQUID数据集： ，，。 （水下-HL） U-45：，。 （UDAE） RUIE基准：，纸张。 （RUIE-Net） 牙买加皇家港口：数据，纸张，代码。 （水甘） 虚拟潜望镜：数据，纸张。 颜色校正： 数据。 颜色恢复： 数据，纸张，代码。 TURBID数据：数据，纸张。 OceanDark数据集：数据，纸张。 SISR：单图像超分辨率 USR-248：数据，纸张，代码。 （用于2x，4x和8x训练； SRDRM，SRDRM-GAN） SESR：同时增强和超分辨率 UFO-120：数据，纸张，代码。 （用于2倍，3倍和4倍SESR和显着性预测；深度SESR） 图像分割 SUIM：数据

Mining Massive Datasets（《大数据挖掘》，原英文版由剑桥出版社出版）一书中关于社 交网络图模型分析的章节，作者是来自斯坦福大学计算科学学院的Anand Rajaraman、 Jeff Ullman和Jure Leskovec；

多视图数据集 链接： ://pan.baidu.com/s/17fLfSyWxlXKh8vmiS3ZcRg提取代码：bf7a 不完整的多视图数据集 一个完整：一个视图完整，其他视图随机丢失10％-70％。 随机错过：所有观看次数随机错过。 100叶垫 bbcsport4vbigRnSp.mat buaaRnSp.mat caltech7.mat Mfeat.mat mfeatRnSp.mat ORL.mat OrlRnSp.mat WebKB.mat @ARTICLE{9298842, author={P. {Zhang} and X. {Liu} and J. {Xiong} and S. {Zhou} and W. {Zhao} and E. {Zhu} and Z. {Cai}}, journal={IEEE Transactions on Knowle

datasets:数据可视化类的数据集

该存储库包含用于各种光学音乐识别任务的许多数据集的集合，包括人员线检测和删除，卷积神经元网络（CNN）的训练或通过将系统与已知的真实情况进行比较来验证现有系统。 请注意，大多数数据集都是由研究人员开发的，使用它们的数据集需要接受一定的许可和/或引用各自的出版物，如每个数据集所示。 大多数数据集都链接到官方网站，您可以在其中下载数据集。 如果您对光学音乐识别研究感兴趣，可以在找到精选的书目。 概述 该存储库引用了以下数据集： 名称 雕刻 尺寸 格式 典型用法 手写的 15200个符号 文本文件 符号分类（在线+离线） 排版+手写 〜90000个符号 图片 符号分类（离线） 手写的 1000个分数图像 图片 撤职人员，作家身份证明 手写的 > 90000条注释 图像，度量注释，MuNG 符号分类，对象检测，端到端识别，量度识别 排字 300000图片 图片，XML 符号分类，对象

世界风java源码使用 NoSQL 分析航班延误和天气数据集 介绍 该项目的目标是构建一个应用程序，该应用程序可以从两个不同的海量数据存储中摄取、存储、分析和提取有意义的见解。 这些来源中的第一个来源是 NOAA（国家海洋和大气管理局），它为我们提供了来自世界各地站点网络的每小时天气天气观测。 第二个数据源是 UBTS（美国运输服务局），它为我们提供了航班历史和延误情况。 技术栈 Python Java SQL Hadoop HBase 火花 阿帕奇凤凰 阿帕奇飞艇 Scikit-学习 熊猫 决定技术栈的标准 天气和飞行数据集的大小分别约为 750 GB 和 225 GB。 巨大的数据量促使我们构建一个可扩展的分布式 NoSQL 数据库，例如 HBASE 来存储数据 原始形式的数据集不利于分析，需要大量的预处理。 自定义python脚本用于预处理数据 后预处理，我们需要一个可扩展的分布式流程，可以批量上传到 HBase。 Apache Spark 非常适合这里，因为它具有独特的内存处理能力，可以以非常高的速度处理大规模数据 该应用程序必须使其用户易于访问。 由于当前世界上的大多数用户已

DRIVE数据库是常用的且公开的视网膜血管数据库，含有40幅视网膜血管图像，其中33幅为健康人的眼底图，7幅为含有糖尿病视网膜病灶的眼底图，该数据库从官方网站下载，方便大家下载。

会话数据集 用于对话响应选择的大型数据集的集合。 该存储库提供了用于创建可重现的数据集的工具，用于训练和评估会话响应模型。 这包括： -37亿条基于话题对话的评论 电影和电视字幕超过4亿行（提供英语和其他语言） -亚马逊产品中超过360万个问题-答案对 机器学习方法最适合诸如此类的大型数据集。 在PolyAI，我们在庞大的对话数据集上训练对话响应模型，然后将这些模型适应对话AI中特定领域的任务。 在庞大的数据集上对大型模型进行预训练的一般方法在图像社区中早已流行，现在在NLP社区中正在兴起。 除了提供原始处理的数据外，我们还提供脚本和说明来自行生成数据。 这使您可以查看并可能操纵预处

心理健康数据集 下面的信息是一个不断发展的数据集列表（主要来自电子/社交​​媒体），这些数据集已用于对心理健康现象进行建模。 原始数据（带有其他列）可以在data_sources.xlsx找到。 如果您是其中任何一篇论文的作者，并且觉得任何内容都被虚假陈述，请随时通过与我。 有关现有数据集的概述，请考虑阅读我们的论文 。 @inproceedings{harrigian2020state, title={On the State of Social Media Data for Mental Health Research}, author={Harrigian, Keith and Aguirre, Carlos and Dredze, Mark}, booktitle={Proceedings of the 7th Workshop on Computational L