关于云脑任务输出结果只保留30天的公告>>> 将于2023年2月20日0点开启算力积分消耗>>> 可以查看启智AI协作平台资源说明啦>>> 关于启智集群V100不能访问外网的公告>>>

Category

computer vision natural language processing speech processing computer vision and natural language processing

Task

machine translation question answering system information retrieval knowledge graph text annotation text categorization emotion analysis language modeling speech recognition automatic digest information extraction description generation image classification face recognition image search target detection image description generation vehicle license plate recognition medical image analysis unmanned unmanned security drone VR/AR 2.D vision 2.5D vision 3Dreconstruction image processing video processing visual input system speech coding speech enhancement speech synthesis

License

MIT GPL GFDL Apache 2.0 CC-BY CC-BY-SA CC-BY-NC CC-BY-ND CC0: Public Domain CDLA Permissive 1.0 Open Database License Research or commercial Research and commercial CC-BY-NC-ND CC-BY-NC-SA CC-BY 2.0 CC-BY-SA 2.0 GNU Free Documentation License CC-BY-NC 2.0 CC-BY-ND 2.0 CC-BY-NC-ND 2.0 CC-BY-NC-SA 2.0 Non-commercial CC-BY 3.0 CC-BY-SA 3.0 CC-BY-NC 3.0 CC-BY-ND 3.0 CC-BY-NC-ND 3.0 CC-BY-NC-SA 3.0 CC-BY 4.0 CC-BY-SA 4.0 CC-BY-NC 4.0 CC-BY-ND 4.0 CC-BY-NC-ND 4.0 CC-BY-NC-SA 4.0

Datasets

Sort
Default Newest Oldest Recently updated Least recently updated Most downloaded Collection Nums Most Quote
仅显示平台推荐
trade_danger
${starItems[0]}

某行业从日常交易明细中，进行抽样审核，对审核有风险的交易打上风险标识（即有风险时label字段值为1，否则label字段值为0），交易相关的输入为ID，V_Time，V1，V2，V3，…，V30； 包括tran.csv和pred.csv，其中train.csv供训练使用，pred.csv供预测使用，

2023-03-25 0 0
IJCAI18
${starItems[1]}

描述 数据集来源于天池IJCAI-18 阿里妈妈搜索广告转化预测大赛初赛数据集：https://tianchi.aliyun.com/competition/entrance/231647/information 本次比赛以阿里电商广告为研究对象，提供了淘宝平台的海量真实交易数据，参赛选手通过人工智能技术构建预测模型预估用户的购买意向，即给定广告点击相关的用户（user）、广告商品（ad）、检索词（query）、上下文内容（context）、商店（shop）等信息的条件下预测广告产生购买行为的概率（pCVR），形式化定义为：pCVR=P(conversion=1 | query, user, ad, context, shop)。 结合淘宝平台的业务场景和不同的流量特点，我们定义了以下两类挑战： （1）日常的转化率预估 （2）特殊日期的转化率预估

2023-03-25 0 0
xu13
${starItems[2]}

人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频流，首先判断其是否存在人脸，如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。

2023-03-25 0 0
ftg
${starItems[3]}

yue

2023-03-25 0 0
ppl
${starItems[4]}

data

2023-03-25 0 0
van06
${starItems[5]}

人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频流，首先判断其是否存在人脸，如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音（语音）、体形、个人习惯（例如敲击键盘的力度和频率、签字）等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别（用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术）、体形识别、键盘敲击识别、签字识别等。

2023-03-25 0 0
poee
${starItems[6]}

portantial

2023-03-25 0 0
kei
${starItems[7]}

key

2023-03-25 0 0
date
${starItems[8]}

date

2023-03-25 0 0
kkkdre
${starItems[9]}

king kind k

2023-03-25 0 0
nasnet-2
${starItems[10]}

nasnet-2

2023-03-25 0 0
energya
${starItems[11]}

energya

2023-03-25 0 0
xdvdx
${starItems[12]}

xdvdx

2023-03-25 0 0
officialMobileViT
${starItems[13]}

officialMobileViT

2023-03-25 0 0
mur
${starItems[14]}

murmur

2023-03-25 0 0
Debug
${starItems[15]}

仅供测试使用

2023-03-25 2 0
gun-ball_person_re-id_dataset
${starItems[16]}

gun-ball_person_re-id_dataset

2023-03-25 0 0
CenterNet
${starItems[17]}

CenterNet

2023-03-25 0 0
CV_benchmark_intro
${starItems[18]}

CV_benchmark_intro

2023-03-25 0 0
smd
${starItems[19]}

圣诞节你多喝点就是你记得你男的女的好多好多呢对你的男的女的年大酒店你到哪代嫁新娘你心心念念血红蛋白想念你的还打不打不得不变逗你的呢想见到你记得记得男的女的竞技等级点解点解你多喝点回到家对你好的削尖脑袋几点能到你到哪你的电脑呢想你想你小鸡小鸡就像你想见到你记得记得你到哪想你的你到哪年大酒店男的女的你男的女的你想你想你电脑想念你的见到你等你拿到你多喝点你大包小包想念你的男的女的好多女的你到哪等你等你你多喝点你的你的你的那你的呢想你想你想你好多女的你的内心那你的呢新锦江大酒店男的女的呢想念你的好多女的那你等会想你想你想你你喜欢的话

2023-03-25 0 1
dual-test
${starItems[20]}

dual-test

2023-03-24 0 0
TAE-Unet
${starItems[21]}

TAE-Unet

2023-03-24 0 0
D2l
${starItems[22]}

D2l

2023-03-24 0 0
FCBFormer
${starItems[23]}

FCBFormer

2023-03-24 0 0
cifar-10
${starItems[24]}

cifar-10

2023-03-24 2 0
train-324_
${starItems[25]}

该数据集由6226个训练图像、1243个验证图像和1101个测试图像组成。每个图像的分辨率为1024×1024。数据集被表述为二分类分割问题，其中道路被标记为前景，而其他对象被标记为背景。 数据集大小：3.83 GB 训练集：2.79 GB，6226张图像，包含对应的标签图像，原图像以xxx_sat.jpg命名，对应的标签图像则以xxx_mask.png命名。

2023-03-24 4 0
test
${starItems[26]}

test

2023-03-24 0 0
test
${starItems[27]}

test

2023-03-24 0 0
wmt14_en_de_joined_dict
${starItems[28]}

wmt14_en_de_joined_dict

2023-03-24 0 0
daea
${starItems[29]}

data

2023-03-24 0 0