仅显示平台推荐
2022-12-02 0 2
nlp-test
${starItems[1]}

nlp-test

2022-12-08 0 0
coco128
${starItems[2]}

coco128

2022-12-08 4 0
excel_data
${starItems[3]}

excel_data

2022-12-08 0 0
dataset1
${starItems[4]}

1

2022-12-08 2 0
char_rnn
${starItems[5]}

input.txt

2022-12-08 0 0
2022yuegangao
${starItems[6]}

2022粤港澳

2022-12-03 0 0
smile
${starItems[7]}

训练数据集

2022-12-07 0 0
mix
${starItems[8]}

混合数据集

2022-12-07 0 0
wenbo_tr
${starItems[9]}

图像训练数据集

2022-11-16 0 0
test
${starItems[10]}

测试数据集

2022-10-20 1 1
data_3D_UNet
${starItems[11]}

pictures of 3D_UNet.

2022-12-07 0 0
3DObjectClassification
${starItems[12]}

3D物体识别数据集ScanObjectNN和ModelNet40

2022-11-14 177 2
alzheimer_timeseries_datasets
${starItems[13]}

this is the adzheimer timeserie dataset, for timeserie prediction task.

2022-11-27 10 0
AD_Datasets
${starItems[14]}

时序预测任务,数据集是不完整时序数据,用于非定长时序预测任务

2022-12-07 0 0
usual
${starItems[15]}

测试数据集

2022-12-07 0 0
coco_yolo
${starItems[16]}

coco数据集yolo版本

2022-11-24 128 1
train_data
${starItems[17]}

训练数据集

2022-12-06 1 0
coco
${starItems[18]}

图像数据集

2022-11-16 1 0
cv_datasets
${starItems[19]}

这个数据集是视觉任务的常用数据集,也包含一些医学视觉数据集

2022-11-28 14 4
horse
${starItems[20]}

人工智能实验中有关图像分类的数据集,来源于cifar10

2022-10-08 11 2
valid
${starItems[21]}

编码验证数据集

2022-10-20 0 2
environment_dataset
${starItems[22]}

environment_dataset

2022-12-06 0 0
wsj0
${starItems[23]}

语音数据集

2022-10-14 1 3
underWater
${starItems[24]}

水下图像去蓝数据集

2022-12-04 0 3
painting_style_by_author
${starItems[25]}

同类型的图像风格训练

2022-10-24 115 6
tr
${starItems[26]}

语音模型训练数据集

2022-10-14 0 4
PLabel
${starItems[27]}

(1) minio为linux下的minio 可以执行性文件,下载到本地后,执行如下命令即可启动: chmod 755 minio export MINIO_ACCESS_KEY=minio export MINIO_SECRET_KEY=miniominio nohup ./minio server /data2/miniodata/ & (2) plabel_20210629_v2.tar 为标注系统PLabel2.0基于mmdection的GPU镜像,内里搭建了mmdetection 2.3.0版本的环境,支持基于mmdetection的模型重训。 (3) gitea.tar 开源社区后端编译及运行环境镜像。 (4)retinanet_free_anchor_r50_fpn_1x_epoch_12.pth 基于mmdetction 2.3.0,使用所有开源数据集行人数据训练的行人检测模型。 (5)pcl_label_hand_v3.tar为封装好的最新PLabel3.0标注系统,运行容器后,进入容器,运行server.sh即可使用。用来接入yolov5_auto_label_v1.tar及yolov5_auto_track_v1.tar中的算法 (6)yolov5_auto_label_v1.tar为基于CPU的自动标注算法镜像,使用docker加载之后,运行容器,进入容器的/javaapp目录,使用java -jar labelSystemForDocker.jar, (7)yolov5_auto_track_v1.tar为基于CPU的目标跟踪算法镜像,使用docker加载之后,运行容器,进入容器的/javaapp目录,使用java -jar labelSystemForDocker.jar,

2021-07-23 12 571
Libri2Mix
${starItems[28]}

二语音混合

2022-12-03 32 5
stanford_background_dataset
${starItems[29]}

图像全景分割数据集

2022-12-05 1 0