LOCO：上下文中的物流对象 LOCO是第一个用于物流的场景理解数据集，涉及检测特定于物流的对象的问题。 使用低成本相机在物流环境中行走时捕获图像。 我们目前提供在5种物流环境中捕获的37,988张图像，其中5593张图像被手动注释，从而产生152,421条注释。 带注释的类包括叉车，码垛车，货盘，小型装载机和釜馏物。 有关更多详细信息，请参阅我们的。 如果您使用LOCO进行研究，请考虑引用我们的工作（ ）。 数据集 数据 带注释的数据集可在下载。 此外，我们还在提供其他数据（未注释）。 注解 注释以存储在rgb/loco-all-v1.json 。 为了易于使用，我们还为每个子集提供了单独的注释文件。 学分和引用方式 没有包括Dimitrij-Marian Holm，Benjamin Molter，Nikolai Ruof和Mubashir Hanif在内的出色团队以及所有辛勤工作的

葡萄酒品质预测 对的Kaggle数据集进行建模。

TwitterSentimentDataset 西班牙语情感数据集 它包含约250k西班牙语推文或Twitter api所识别的推文，该数据集已自动生成并用于生成粗粒度的情感分类器。 积极情绪的推文继续:)或:-) 带有负面情绪的推文包含:(或:-( 没有情感的分类推文 推文不会重复。

网络管道：网络流量数据管道，用于实时预测和构建深度神经网络的数据集

人工神经网络 纸质数据和代码 这是AAAI 2019论文： 的代码。 我们已经在Tensorflow和Pytorch中实现了我们的方法。 这是我们在论文中使用的两个数据集。 下载数据集后，您可以将它们放在文件夹datasets/ ： 友情链接： ://2015.recsyschallenge.com/challenge.html DIGINETICA： ://cikm2016.cs.iupui.edu/cikm-cup或 文件夹datasets/包含一个小的数据集sample ，可用于测试代码的正确性。 我们还写了解释该论文。 用法 您需要先运行文件datasets/preprocess.py来预处理数据。 例如： cd datasets; python preprocess.py --dataset=sample cd datasets; python preproces

Jupyter调查 该存储库包含Project Jupyter和IPython收集的数据集和调查。 将数据添加到此存储库 要将数据集添加到此存储库，请在相关顶级目录下创建一个语法YYYY-MM-short-description的子目录。 例如，如果它是调查数据，则在surveys顶级目录下创建文件夹。 在该目录中，请创建一个新的README.md文件，其中包含数据的简短描述，包括： 收集日期 谁收集数据 人口是什么（如果是人类数据），可以在哪里找到代码（如果是模拟数据）或有关数据源的其他相关信息 您可能还希望提供有关如何引用数据集的信息，例如DOI。 如果没有DOI，则可以通过将数据集上载到等服务来获得DOI。 Jupyter用户调查 Jupyter用户调查的材料和结果。 IPython用户调查 IPython用户调查的材料和结果。 我们在2011年和2013年进行了IPython

yolov3.pytorch 该存储库用于对象检测。该算法基于实现的。多亏了和，基于他们的工作，我在PyTorch中重新实现了YOLO v3，以实现更好的可读性和可重复使用性。 消息 完整版本的更新日志可以在问题看到 （2018/10/10）支持VOC数据集培训。 环境环境 Python 3.6 PyTorch 0.4.1 CUDA（不支持CPU） pycocoapi 火车 如何在COCO上训练 下载数据集和注释，并在config.py提供您下载的数据集的完整路径，如下所示'coco' : { 'train_imgs' : '/home/data/coco/2017/train2017' , 'train_anno' : '/home/data/coco/2017/annotations/instances_train2017.json' } 在ImageNet下载官

NABirds 使用关键点组织NABirds数据集并为鸟脸构造边界框标签。 然后将它们用于训练用于鸟类身体和面部检测的深层模型。 应用程序： 人脸数据集 NABirds包含48562只鸟类，包围盒和11个身体部位，以及物种识别 选择了46824个，〜1700个面部特征不好或太小 约334个标签错误的零件或错误的边界框已得到纠正更有可能被忽视 从这些图像中构造了脸部BB。 使用与头部相关的5个身体部位（x，y） 钞票，冠，项颈，左眼和右眼 这些x，y用于确定朝向或方向 考虑了10个方向 例如面对左，右，下，上，上，下，朝着相机，身体其他部位上方或下方的部位 以及缺少的部分，没有冠或项，一只眼睛或两只眼睛 身体部位距离的比率，用于确定盒子周围零件的额外空间 帮助防止BB变成脸部横截面 图像尺寸已考虑在内，以防止扩展到 测试所有BB的错误，并从每张图像中裁剪以确认大小正确 这些图像被分为

打开Wildfire烟雾数据集 目标是策划野火烟雾数据集，以实现开放共享和易于访问的数据集，以开发基于视觉的野火检测模型。 数据集的轻松访问和开放共享将促进并加速解决野火危机的研究工作。 HPWREN相机 下载了公共领域的HPWREN相机图像，并用边框对这些图像进行了注释以进行对象检测。 用于烟雾检测。 感谢我们的创始人中创建第一组边界框。 总共创建了744个边界框注释的图像。 这是我们在志愿者的帮助下创建的最新带注释的图像。 它具有2192个带批注的图像。 使用这些带有边界框注释的烟雾数据集时，请感谢AI For Mankind和HPWREN。 带有边界框注释的烟雾数据集已根据。 注意： 捐款支持我们 支持我们的努力。 您的捐款可以免税。 AI For Mankind是一家注册的503（c）（3）非营利组织。 对于分类，您可以签出此数据集。 对于有兴趣构建烟雾分类器的任何人，我

表情符号情感数据集