GEE数据集——印度河流和流域地表水的时间趋势
印度河流和流域地表水的时间趋势 该数据集量化了 1991 年至 2020 年 30 年间印度河流和流域地表水面积（SWA）的年度变化范围和速度。该数据集按季节（根据印度的季节划分的年度干水、湿水和常年水）和两种空间尺度进行量化：流域尺度（来自水文地理信息系统的 1516 个 7 级流域）和更细的河段尺度（68,367 个河段）。该数据集来自 JRC 全球地表水探索者（Global Surface Wat...
课堂行为动作识别数据集
8类。 全部为教室监控真实照片，没有网络爬虫滥竽充数的图片，可直接用来训练。以上图片均一一手工标注，标签格式为VOC格式。适用于YOLO算法、SSD算法等各种目标检测算法。 本人使用此数据集训练的yolov5s模型，准确率在98.6%左右，可准确完成课堂学生检测任务。如有需要可以提供训练好的权重文件和检测UI界面。 以下为数据集的部分图片展示，有需要的朋友可以随时交流交流。 ...
23万条数据集，可以用来区分钓鱼网站！
文章目录 一、何为钓鱼网站？二、数据集介绍引用数据集数据展示字段解释 三、数据分析数据读取使用ucimlrepo读取数据 四、下载地址 一、何为钓鱼网站？ 在数字化时代，网络安全问题日益严重，其中钓鱼网站是一种常见的网络威胁。钓鱼网站通常会伪装成合法的网站，诱骗用户输入敏感信息，如用户名、密码、银行账户等，从而盗取用户的个人信息和资产。为了保护自己的网络安全，我们需要学会识别钓鱼网站。 钓鱼网站通常具...
数据集踩的坑及解决方案汇总
数据集踩的坑及解决方案汇总 数据集各种格式构建并训练自己的数据集汇总Yolo系列SSDMask R-CNN报错 NotADirectoryError: [Errno 20] Not a directory: '/Users/mia/Desktop/P-Clean/mask-RCNN/PennFudanPed2/labelme_json/.DS_Store'Faster R-CNN数据的格式转换划分数据...
探索大语言模型（LLM）：部分数据集介绍
探索大语言模型（LLM）的宝库：精选数据集介绍 在人工智能的黄金时代，大语言模型（LLM）的发展正以惊人的速度推进。它们不仅改变了我们与机器交互的方式，还在持续拓展技术的边界。作为这一进程的核心，数据集扮演着不可或缺的角色。下面分享一些我精心整理的LLM数据集，这些数据集各具特色，是研究和开发大语言模型不可多得的资源。 维基百科数据集 地址： Hugging Face - 维基百科数据集内容： 这个数...
【Pytorch】新手入门：基于sklearn实现鸢尾花数据集的加载
【Pytorch】新手入门：基于sklearn实现鸢尾花数据集的加载 🌵文章目录🌵 🌸一、鸢尾花数据集简介📚二、基于Python加载鸢尾花数据集🎨三、探索鸢尾花数据集🔍四、使用鸢尾花数据集进行模型训练🛠️五、优化模型性能🛠️六、使用鸢尾花数据集进行模型选择📚七、总结与进一步学习 🌸一、鸢尾花数据集简介 鸢（yuān）尾花数据集（Iris dataset）是机器学习和统计学中常用的一个经典数据集，主...
【3D目标检测】OpenPCDet自定义数据集训练
OpenPCDet自定义数据集训练 引言1 自定义数据集准备1.1 标注工具labelCloud1.1.1 安装labelCloud1.1.2 自定义标签1.1.3 labelCloud配置 1.2 数据集准备和预处理1.3 生成标准数据格式 2 模型训练3 自定义模型测试 引言 OpenPCDet环境搭建参考：【3D目标检测】环境搭建（OpenPCDet、MMdetection3d） 源码地址：Op...
数据集、特征矩阵、目标矩阵（代码理解）
首先需要安装Seaborn库，pip install seaborn 开始导入数据集(注意：seaborn 就是有这个iris 数据集，从在线存储库加载而来) import seaborn as sns iris = sns.load_dataset('iris ') print(iris) 然后我们开始创建一个特征矩阵（说明：drop函数加axis=1参数是删除掉矩阵中species列的数据） X =...
yolov5训练coco数据集的部分类别
yolov5训练coco数据集的部分类别 创建容器准备yolov5环境定义需要训练的类别(coco-6.yaml)根据coco-6.yaml中保留的类别,生成新的数据集生成新数据集训练测试 在测试yolov5系列不同类别的模型在各种加速卡上的精度和性能时，我们希望得到一个准确的评估结果。因此，本文从一个COCO数据集中创建一个子集，该子集仅包含特定的类别。具体来说，它首先从源数据集中读取JSON文件，...
GEE 案例——2015-2021年9月流域、湖泊土壤水分和降水异常分析——鄱阳湖为例（SMAP 2 级土壤水分和全球降水任务（GPM）数据集）
本教程介绍了一种简单而有效的方法，利用谷歌地球引擎中的地球观测数据分析地面数据有限地区的水预算动态。 数据介绍 美国国家航空航天局-美国农业部增强型SMAP数据集利用一维集合卡尔曼滤波器将SMAP第2级土壤水分观测数据集成到改进的帕尔默模型中，从而改进了基于模型的土壤水分估算，尤其是在缺乏高质量降水仪器的地区。在本次演示中，我们使用了 2015 年 4 月至 2021 年 8 月的地表和地下土壤水分。 ...