直接从下载 STL10 数据集并将它们转换为 Torch 表。 基于
STL-10 格式
写入3个文件：stl10-train.t7, stl10-test.t7, stl10-unlabeled.t7 每个文件都是一个表格形式：
th > stl10 = torch. load ( ' stl10-train.t7 ' )
th > print (stl10)
{
data : ByteTensor - size: 5000 x3x96x96
label : ByteTensor - size: 5000
}
Unlabeled 文件只有数据字段
2021-09-25 16:23:47
2KB
1
R 数据集包含 63,701 条活动船舶的记录。 船舶按类型（例如，油轮、货船、客船等）、它们的标识符（IMO 和 MMSI 编号、呼号）、建造年份、总吨位和净吨位、载重吨位、吃水和船舶尺寸（长度和梁）。
2021-09-24 10:35:44
1.62MB
1
视频中自动暴力检测的数据集
该存储库包含350个分别标记为“非暴力”和“暴力”的视频剪辑，用于训练和测试用于检测视频中暴力的算法。 专门记录了非暴力剪辑，包括由于快速移动和与暴力行为的相似性而在暴力检测任务中导致误报的行为（拥抱，拍手，狂喜等）。
资料说明
数据集分为两个主要目录，“非暴力”和“暴力”，将包含的剪辑标记为分别显示非暴力行为和暴力行为。
violence-detection-dataset
├─ non-violent
│ ├─ cam1 (60 .mp4 clips)
│ └─ cam2 (60 .mp4 clips)
└─ violent
├─ cam1 (115 .mp4 clips)
└─ cam2 (115 .mp4 clips)
目录分为两个子目录“ cam1”和“ cam2”：
“非暴力/ cam1”包括60
2021-09-23 15:44:50
1.02GB
1
ASH IR数据集
耳机音频空间化（ ASH ）脉冲响应数据集是一组脉冲响应，可用于耳机上空间音频系统的双耳合成。 它包括双耳房间脉冲响应（BRIR），耳机补偿滤波器（HpCF）和均衡器APO的配置文件。 通过将音频流与一组BRIR和HpCF卷积在一起，可以使用该数据集在耳机上创建空间环绕声。
双耳室冲动React
该数据集包括一组BRIR，它们是从一系列公共可用的BRIR数据集中得出的。 使用头部和躯干模拟器（HATS）在各种混响室中测量BRIR，每个混响室都包含独特的声学特性。 对于每个房间，在水平面上围绕头部周围的一系列光源方向都提供了一组BRIR。 已对BRIR进行均衡，以消除不希望的光谱色并使BRIR与扩散场均衡耳机兼容。 BRIR作为2通道WAV文件提供，采样率为44100Hz。
耳机补偿滤波器
该数据集还包括适用于各种常用耳机的补偿滤波器。 滤波器可用于将各个耳机均衡到扩散场
2021-09-22 15:42:09
154.65MB
1
车辆尾灯（尾灯）视频数据
我们工作的数据集：基于视觉的分层结构，用于自动前车尾灯检测和信号识别
数据下载链接：
该数据集包含由车载摄像头录制的多个视频。 所有视频均在台北录制。
在多种天气或光照情况下录制视频，以进行实验比较。 场景：
多云：文件名：PPG00（164-169）.mov，PPG00（696-700）.mov，EMG00030.mov
Rainy：文件名：IMG_6052-1.mov
晚上：文件名：EMG00（023-031）.mov
录制的视频帧包含以下实时信息：
坐标（纬度，经度）
速度（公里/小时）
时间戳记
如果您在工作中使用此数据集，请引用以下参考资料：
参考：
Cui, Z., Yang, SW, & Tsai, HM (2015, September). A vision-based hierarchical framework for auton
2021-09-22 08:40:09
810KB
1
###人类活动识别使用智能手机数据集####作者：Coursera2015（获取和清理数据，2015 年 1 月）
＃＃＃用法
将存储库 UCI-HAR-Datatest $ git clone https://github.com/Coursera2015/UCI-HAR-Dataset到您的个人资料（ $ git clone https://github.com/Coursera2015/UCI-HAR-Dataset ）。
将目录 UCI-HAR-Dataset 设置为您的工作目录。
运行脚本run_analysis.R 。 它使用目录“data”中的数据文件。
整洁的数据集data_fin.txt被导出到工作目录。
2021-09-17 16:57:21
26.74MB
1
男X
MaleX是恶意软件和良性Windows可执行文件示例的精选数据集，适用于恶意软件研究人员。 数据集包含1,044,394个Windows可执行二进制文件，其中864,669被标记为恶意软件，而179,725被标记为良性。 该数据集具有合理数量的样本，足以测试数据驱动的机器学习分类方法，还可以在可伸缩性和适应性方面衡量设计模型的性能。
频域中的恶意软件可视化
在频域中可视化恶意软件的动机是由于文学中恶意软件的“稀疏”特征表示形式，通常是从二进制文件的原始字节或反汇编的指令（n-gram，n-perms）中提取出来的。
将给定的可执行二进制文件读取为16位带符号十六进制向量，并将其划分为相应的二位字节（n-gram字节，n = 2）。 例如，对于字节流0a1bc48a ，对应的二元组将为0a1b ， 1bc4和c48a 。 然后，我们使用二元语法频率计数来获得尺寸为256x256的
2021-09-16 20:00:18
228KB
1
概念漂移数据
概念漂移实验的数据集
这是什么？
此 repo 包含以下数据集：
5 个版本的 DBpedia 类别，所有文章都链接到它们
5 个版本的 DBpedia 本体，所有文章都链接到它们的类
数据集的 8 个版本，人口计数指向 HISCO 职业类别
来自134 个数据集（每个数据集有多个版本）
从检索和重建的 3 个数据集（每个数据集有多个版本）
维护者
2021-09-14 14:28:25
442.11MB
1