数据分享者-CSDN博客

原创综合土壤分类图像数据集-包含原始与增强数据-7种土壤类型-2371张JPG图像-适用于农业科研与AI模型训练-农业规划、土地利用管理、环境检测、资源保护-土壤分类算法-土壤类型自动识别、农业智能决策

土壤是地球生态系统的重要组成部分，也是农业生产的基础。准确的土壤分类对于农业规划、土地利用管理、环境监测以及资源保护具有重要意义。随着人工智能技术在农业领域的广泛应用，高质量的土壤图像数据集成为训练和开发土壤分类模型的关键资源。本数据集提供了丰富的土壤图像资源，包含原始数据和增强数据两个部分，涵盖7种主要土壤类型，总计2371张高分辨率JPG图像。这些数据不仅为土壤分类算法的研究和开发提供了坚实基础，也为农业科研人员、土地管理人员以及AI开发者提供了宝贵的资源。

2026-01-09 11:36:46 784

原创编程竞赛代码修改数据集-197个问题描述与多语言代码提交记录-适用于代码纠错与优化研究-计算机编程教育和算法研究-代码纠错、代码优化-研究代码错误模式、代码修改策略、编程学习曲线-训练代码纠错模型

在计算机编程教育和算法研究领域，编程竞赛数据集具有重要的价值。这些数据集不仅包含了各种算法问题的描述，还记录了参赛者的代码提交情况，包括成功和失败的案例。本次分析的数据集是一个编程竞赛代码修改数据集，包含了197个编程问题的详细描述和大量的代码提交记录，涵盖了多种编程语言和错误类型。该数据集由两部分组成：一是problem_descriptions文件夹中的197个HTML文件，每个文件对应一个编程问题的详细描述；

2026-01-09 11:34:53 1216

原创 LFW人脸数据集深度分析：256位名人5095张高质量人脸图像的应用价值与研究前景-计算机视觉-人脸识别、人脸验证、表情分析-深度学习模型训练-人脸识别算法

在计算机视觉领域，人脸数据集是推动人脸识别、人脸验证、表情分析等技术发展的核心基础资源。Labeled Faces in the Wild（LFW）数据集作为最具影响力的人脸数据集之一，以其真实场景下的人脸图像和准确的标注信息，为科研机构和产业界提供了宝贵的研究素材。本次分析的cleaned-lfw数据集是LFW的优化版本，经过精心筛选和清理，包含了256位知名人士的5095张高质量人脸图像，所有图像均以JPG格式存储，按照名人姓名分类组织在独立文件夹中。

2026-01-08 11:33:45 831

原创 CIC-AndMal-2020恶意软件静态动态分析数据集-包含多种恶意软件类型-重启前后对比分析-适用于网络安全研究与恶意软件检测模型训练-检测和防御恶意软件-了解恶意软件的行为模式和持久性机制

随着移动互联网的快速发展，恶意软件的数量和种类不断增加，对网络安全构成了严重威胁。恶意软件分析是网络安全研究的重要组成部分，通过对恶意软件的静态和动态行为进行分析，可以深入了解其工作原理、传播方式和危害程度，为恶意软件检测和防御提供有力支持。CIC-AndMal-2020数据集是一个全面的恶意软件分析数据集，包含多种恶意软件类型的静态和动态分析数据，并提供了重启前后的行为对比，为网络安全研究和恶意软件检测模型训练提供了宝贵的资源。

2026-01-08 11:33:38 657

原创猫狗图像分类数据集-21616张标准化128x128像素JPEG图像-适用于计算机视觉教学研究与深度学习模型训练-研究人员、开发者和学生提供实验平台

在计算机视觉领域，图像分类是最基础且应用广泛的任务之一。随着深度学习技术的快速发展，高质量的图像数据集成为训练和评估模型性能的关键要素。本数据集作为一个专门针对猫和狗的二分类图像集合，为研究人员、开发者和学生提供了理想的实验平台。该数据集包含完整的原始图像文件，所有图像均已标注为猫或狗类别，并统一调整为128x128像素的标准尺寸。这种标准化处理使得数据集特别适合用于深度学习模型的快速原型开发和基准测试。无论是入门级的机器学习课程，还是高级的计算机视觉研究项目，本数据集都能提供可靠的支持。

2026-01-07 14:16:14 851

原创对话对齐反馈数据集：12000+高质量人类-助手多轮对话用于RLHF模型训练与评估-人工智能-大语言模型对齐-人类反馈强化学习-训练符合人类期望的对话模型

在人工智能领域，大语言模型的对齐问题一直是研究的核心挑战之一。为了使模型生成的内容更符合人类价值观、更安全可靠，研究者们提出了多种对齐技术，其中人类反馈强化学习（RLHF）是当前最有效的方法之一。RLHF需要高质量的人类反馈数据，包括对模型输出的比较、排序和评价。对话对齐反馈数据集正是为满足这一需求而构建的，它包含了大量经过人工标注的高质量对话样本，为RLHF模型的训练和评估提供了坚实的基础。本数据集由超过12000个对话样本组成，分为训练集和测试集两部分，每部分约6000个样本。

2026-01-07 14:13:50 734

原创 175万部影视车辆全景数据集-品牌车型年份类型标注-IMDB链接-全球电影汽车文化研究与AI识别训练权威资源-适用于影视AI车辆识别广告投放自动驾驶算法开发

随着人工智能技术的快速发展，特别是在计算机视觉和自然语言处理领域，高质量、大规模的数据集成为推动技术进步的关键因素。在影视内容分析、汽车文化研究以及自动驾驶等领域，车辆识别与场景理解是重要的研究方向。本数据集收录了全球175万余部影视作品中出现的汽车、卡车、摩托车、巴士等交通工具信息，涵盖品牌、车型、年份、类型、产地、出场场景、IMDB链接、图片等20多个字段，为相关研究和应用提供了权威、全面的基础数据支持。

2026-01-06 11:43:43 1070

原创高质量验证码图片数据集-9121张JPG格式-包含天然标签-适用于验证码识别算法训练与研究-网站登录、数据爬取防护、恶意注册-基于机器学习的验证码识别系统-验证码识别算法、验证码识别技术

在数字化时代，验证码作为一种人机识别技术，广泛应用于网站登录、数据爬取防护、恶意注册防范等场景，是网络安全体系的重要组成部分。随着深度学习技术的发展，基于机器学习的验证码识别系统已经成为研究热点，而高质量的验证码数据集是训练这类模型的基础。本次分析的数据集包含9121张JPG格式的验证码图片，每张图片的文件名即为验证码内容，构成了一个完整的验证码识别训练数据集。该数据集不仅包含原始图片文件，还通过文件名提供了天然的标签信息，无需额外标注即可用于模型训练。

2026-01-06 11:42:01 693

原创原创大规模无人机检测数据集：11998张高质量图像，支持YOLOv8、COCO、TensorFlow多格式训练，涵盖飞机、无人机、直升机三大目标类别

随着无人机技术的快速发展和广泛应用，无人机检测已成为计算机视觉领域的重要研究方向。无论是民用领域的无人机监管、安全防护，还是军用领域的威胁识别、防空系统，都需要高精度的无人机检测算法作为技术支撑。然而，构建一个高质量、大规模、多场景的无人机检测数据集面临着数据收集困难、标注成本高昂、场景多样性不足等挑战。本数据集正是在这一背景下应运而生，为无人机检测研究提供了宝贵的数据资源。该数据集不仅包含了丰富的无人机图像样本，还涵盖了飞机和直升机等相似目标，为算法训练提供了更具挑战性和实用性的数据环境。

2026-01-05 11:52:08 893

原创原创高质量均衡化垃圾图像数据集，涵盖塑料、金属、玻璃、纸板、纸张、杂项垃圾6类标准化RGB图像，每类2300-2500张样本，开箱即用支持ResNet、MobileNet模型训练，适用于智能分拣设备等

在环保领域的智能垃圾分拣系统研发、计算机视觉图像分类算法优化及环境AI项目实践中，高质量、均衡化的垃圾图像数据集是核心基础。随着全球环保意识的提升和垃圾分类政策的推广，如何高效、准确地实现垃圾自动分类已成为环境科技领域的重要课题。传统垃圾数据常存在类别失衡、图像规格不统一、存在重复或模糊样本等问题，导致训练出的模型泛化能力差、分类精度低，难以满足实际垃圾分拣场景的需求。

2026-01-05 11:51:56 735

原创脑肿瘤检测数据集-3000张JPG医学图像-有肿瘤无肿瘤分类标注-用于AI算法训练与临床辅助诊断-脑肿瘤检测算法-脑肿瘤自动化检测技术-脑肿瘤检测模型-提升医学影像分析的自动化水平

脑肿瘤检测是医学影像学领域的重要研究方向，早期准确诊断对患者治疗和预后至关重要。随着人工智能技术的发展，基于深度学习的脑肿瘤检测算法已成为辅助医生诊断的重要工具。本数据集为脑肿瘤检测算法的训练和评估提供了高质量的医学影像资源，包含大量经过分类标注的脑部CT或MRI图像，对推动脑肿瘤自动化检测技术的发展具有重要意义。本数据集完整构成包括原始医学图像文件和对应的分类标注信息。

2026-01-04 11:46:10 1112

原创乳腺癌检测高质量数据集-2511张医学图像-含精确YOLO标注-支持AI模型训练与科研应用-乳腺X线摄影-深度学习的乳腺图像分析算法、检测算法-推动乳腺癌自动化检测技术发展

乳腺癌是全球女性最常见的恶性肿瘤之一，早期检测对于提高治愈率和降低死亡率至关重要。医学影像技术，尤其是乳腺X线摄影，已成为乳腺癌筛查和诊断的主要手段。随着人工智能技术的快速发展，基于深度学习的乳腺图像分析算法为乳腺癌检测提供了新的可能性。然而，高质量的标注数据集是训练和验证这些算法的基础。本数据集包含2511张乳腺X线图像及对应的精确YOLO格式标注信息，为乳腺癌检测算法的研发和评估提供了全面的资源支持。

2026-01-04 11:44:38 863

原创 1685张医学图像的骨裂分类数据集-包含12种骨折类型-jpg-jpeg-png格式-适用于AI算法训练和医学研究-骨折类型识别算法、医学教育-医学影像学检查-骨科医学研究、机器学习模型训练

在现代医学领域，骨折类型的准确识别对于制定有效的治疗方案至关重要。随着人工智能技术在医学影像分析中的广泛应用，高质量、多类别的骨折图像数据集成为训练精准诊断模型的基础。本数据集包含1685张医学图像，涵盖12种不同类型的骨折，为骨折类型识别算法的研发和医学教育提供了丰富的资源。本数据集由原始医学图像文件构成，每种骨折类型的图像被分类存储在独立的目录中。这些图像主要来源于医学影像学检查，包括X光片、CT扫描等，涵盖了不同角度、不同部位的骨折表现。

2025-12-31 11:54:36 501

原创 35万本图书元数据数据集分析报告-涵盖多语言多领域书籍信息-支持图书推荐系统开发与出版业趋势研究-1688年到2023年的出版历史，多种语言和领域-图书推荐系统开发、出版业趋势研究、读者行为分析

在数字化阅读时代，图书数据的价值日益凸显。本数据集包含了352,067本图书的详细元信息，涵盖了从1688年到2023年的出版历史，跨越多种语言和领域。这些数据不仅记录了图书的基本信息，还包含了用户互动数据和分类标签，为图书推荐系统开发、出版业趋势研究、读者行为分析等提供了丰富的素材。随着人工智能和大数据技术的发展，图书数据在内容推荐、市场预测、文化传播等方面的应用越来越广泛。本数据集的完整性和多样性使其成为研究图书市场演变、读者偏好变化以及跨文化文学交流的宝贵资源。

2025-12-31 11:51:28 480

原创 12006张椰心叶甲二进制分类裁剪图像数据集-6000视频源高质量标注用于海洋生态监测和计算机视觉模型训练-早期预警、防治措施制定、生态系统保护-训练和评估椰心叶甲识别算法-海洋生态监测

椰心叶甲是一种严重危害棕榈科植物的入侵害虫，对全球热带和亚热带地区的生态系统和农业经济造成了巨大威胁。准确识别和监测椰心叶甲对于早期预警、防治措施制定以及生态系统保护至关重要。随着计算机视觉和深度学习技术的快速发展，基于图像的椰心叶甲自动识别系统成为一种高效、准确的监测手段。然而，构建高性能的识别模型需要大量高质量、标注准确的训练数据。本数据集包含12006张经过精心裁剪和标注的图像，分为椰心叶甲（cots_crops）和非椰心叶甲（notcots_crops）两个类别，每个类别各6003张图像。

2025-12-30 11:59:33 815

原创基础数学符号图像数据集-48000张多类别PNG图片-适用于OCR模型训练-手写与印刷符号识别研究与教育应用-光学字符识别-训练和优化数学符号识别模型-智能辅导系统、文档数字化工具、科学计算辅助软件

在人工智能与机器学习技术快速发展的今天，数学符号的自动识别与理解已成为光学字符识别（OCR）领域的重要研究方向。数学符号由于其独特的结构和多样的表达方式，对识别算法提出了更高的要求。本数据集作为一个全面的基础数学符号图像集合，为相关研究与应用提供了坚实的数据支撑。数据集包含8个常用数学符号类别的高质量图像，涵盖了从基本运算符到括号等数学表达式中不可或缺的元素。这些图像数据不仅可以用于训练和优化数学符号识别模型，还能为教育领域的智能辅导系统、文档数字化工具以及科学计算辅助软件提供重要的基础资源。

2025-12-30 11:55:10 515

原创 2024年中国二手车出口市场分析白皮书：全球二手车行业趋势、俄罗斯墨西哥哈萨克斯坦尼日利亚重点市场进口政策解读、新能源与燃油二手车出口数据统计、采购商供应商采供分析、未来3-5年预测及商业应用场景

中国二手车出口业务虽起步于2019年，但已实现显著增长，目前出口市场已覆盖全球160多个国家和地区，行业生态逐步完善。根据关键零部件的出口趋势，优化备件供应链。企业可以根据报告中的出口数据、区域市场特点和政策信息，评估不同市场的特点和风险，制定市场策略。数据覆盖：涵盖2022-2024年中国二手车行业主要产品出口统计，包括不同排量燃油车及关键零部件的出口情况，提供多角度的市场趋势观察。市场聚焦：针对俄罗斯、墨西哥、哈萨克斯坦、尼日利亚等市场，提供相关的采供情况分析，包括交易数据、采购商与供应商分层等信息。

2025-12-29 11:44:43 1156

原创 2020年纽约市交通事故数据集深度解析：基于74,881条记录的智能交通管理与自动驾驶算法训练实战指南，覆盖超速、分心驾驶、天气因素等多维度事故原因分析，助力城市安全治理从被动应对转向主动预防

你是否设想过，如何让一座拥有800万人口的超级都市，在每一次交通事故发生后都能"记住"并"学习"？当传统的交通安全管理还停留在事后统计和被动应对阶段时，一份包含近7.5万条真实事故记录的数据库，正在为城市安全治理开启全新的数字化时代。这不是一份冰冷的数据清单，而是一座城市在安全治理路上的"成长档案"。每一行数据都承载着真实的人、真实的车、真实的事故，以及那些可能改变城市未来的关键洞察。

2025-12-29 11:38:16 1073

原创帕金森病增强手绘数据集-健康与患者手绘图像对比研究-医学影像人工智能训练素材-训练和验证帕金森病辅助诊断算法-基于手绘图像的疾病特征提取方法-提高诊断准确率

帕金森病是一种常见的神经退行性疾病，主要影响中老年人，其早期诊断对于患者的治疗和生活质量改善至关重要。近年来，随着人工智能技术在医疗领域的广泛应用，基于手绘图像的帕金森病辅助诊断方法因其无创、便捷、低成本等优势受到越来越多的关注。本数据集作为帕金森病辅助诊断研究的重要资源，包含了健康人群与帕金森病患者的增强手绘图像数据，为科研人员和医疗从业者提供了宝贵的研究素材。

2025-12-26 12:46:03 1074

原创 arXiv计算机科学领域完整元数据集-2016年11月快照-包含百万级论文标题摘要年份分类信息-科研模型训练推荐系统应用-科研创新、算法训练、产业应用、学术趋势分析、研究热点识别、推荐系统构建

在人工智能与计算机科学快速发展的时代，学术文献数据已成为推动科研创新、算法训练与产业应用的核心资源。arXiv作为全球最大的预印本平台之一，汇聚了海量计算机科学领域的前沿研究成果，其元数据包含了论文标题、摘要、分类、发表年份等关键信息，具有极高的研究价值与应用潜力。本数据集为arXiv平台2026年11月16日的计算机科学领域完整元数据快照，涵盖了从早期到最新的百万级CS学术论文信息，为科研人员、算法工程师与产业从业者提供了全面、系统的学术资源基础。该数据集包含完整的元数据信息，包括论文名称、arXiv唯一

2025-12-26 11:59:49 1012

原创 2022年中国全部城市空气质量小时级监测数据集-13.08万行-361城市覆盖-AQI与PM2.5等多污染物指标-全年逐小时粒度-区域传播与健康预警研究-空气污染时空演变、季节性与区域联防联控政策评估

空气质量问题已成为全球关注的重要环境议题，尤其是在快速发展的中国，空气质量监测数据对于环境治理、公众健康保障以及相关研究具有至关重要的价值。本数据集包含2022年全年中国377个城市的小时级空气质量监测数据，涵盖了AQI、PM2.5、PM10、SO2、NO2、CO、O3等多种关键污染物指标。这些数据不仅为环境科学研究提供了丰富的基础资料，也为空气质量预警系统的开发、污染治理政策的制定以及公众健康风险评估提供了重要支持。

2025-12-25 12:29:18 590

原创阿拉伯语情感评论数据集分析报告：33万条标注文本用于自然语言处理与情感分析模型训练-精确的情感标签-阿拉伯语自然语言处理、情感分析、意见挖掘-提升跨语言理解能力

随着自然语言处理技术在多语言环境中的快速发展，阿拉伯语作为世界主要语言之一，其情感分析研究与应用正变得越来越重要。本数据集包含超过33万条阿拉伯语评论文本，每条文本都附带精确的情感标签，为阿拉伯语自然语言处理、情感分析、意见挖掘等研究领域提供了宝贵的资源。这些数据不仅涵盖了丰富的表达方式和主题内容，还通过二元分类标注（正面/负面）为算法训练提供了清晰的指导。

2025-12-25 12:02:16 467

原创 PDS70系外行星ALMA观测数据集NASA版-6个FITS文件-毫米波连续谱成像-原行星盘与年轻行星探测-射电天文学研究-系外行星探测、原行星盘结构研究、行星形成机制分析、射电天文学数据处理

本数据集为PDS 70系外行星系统的ALMA(Atacama Large Millimeter/submillimeter Array,阿塔卡马大型毫米波/亚毫米波阵列)射电望远镜观测数据,由NASA提供,包含6个FITS(Flexible Image Transport System)格式的天文图像文件,总容量73.67MB。

2025-12-24 11:58:36 712

原创全球电视剧详情数据集TMDb版-15万剧集完整元数据-21字段嵌套结构-剧名简介类型制作公司评分季数集数-影视推荐研究-为影视系统推荐、剧集内容分析、类型趋势研究、流媒体平台运营等提供了全球范围的数据

本数据集为全球电视剧详情数据集(All TV Series Details Dataset),源自 TMDb(The Movie Database)影视数据库,包含 152,970 部电视剧的完整元数据,覆盖剧名、原始名称、简介、标语、类型、制作公司、创作者、播出日期、季数集数、评分投票数、流行度和制作状态等 21 个核心字段,以 CSV(扁平化 188 列)和 JSON(嵌套结构 21 字段)两种格式提供,总容量约 238MB。

2025-12-23 12:01:49 827

原创 All-NLI自然语言推理数据集完整版-287万句子对-5种训练格式-SNLI与MultiNLI语义蕴含分类回归三元组-文本相似度研究-自然语言处理、文本蕴含监测、句子语义相似度计算、句子嵌入模型

本数据集为 All-NLI(All Natural Language Inference)自然语言推理综合数据集,整合了 SNLI(Stanford Natural Language Inference)和 MultiNLI 两大经典蕴含任务数据集,共包含 2,870,404 条句子对样本,以 5 种不同训练格式提供:pair-class(分类标签)、pair-score(相似度评分)、pair(正例对)、stsb(语义文本相似度)和 triplet(三元组),涵盖 15 个 TSV 文件,总容量约 385

2025-12-23 12:00:52 1364

原创手机和配件评论数据集-近20万条真实用户反馈-电商平台用户行为模式、开发情感分析算法、构建推荐系统-用户对手机配件的评价-详细的评分、评论文本、时间戳-

手机和配件评论数据集以其规模大、质量高、信息丰富等特点，为电商分析、产品开发、自然语言处理研究等多个领域提供了宝贵的数据基础。该数据集不仅包含近20万条真实用户反馈，还涵盖了14年的时间跨度，能够支持多维度、深层次的数据分析和研究。在当前数据驱动决策的时代，这类高质量的用户评论数据具有重要的商业价值和研究价值。通过对这些数据的深入挖掘和分析，可以帮助企业优化产品设计、提升用户体验、制定更精准的营销策略；同时也为研究人员提供了丰富的素材，推动情感分析、推荐系统等人工智能技术的发展。

2025-12-19 11:47:19 875

原创欧洲医药健康行业招聘数据集：41093条职位记录的全景分析与职业发展应用价值-临床研究、制药销售、医疗器械监管-人力资源研究、行业发展分析、人才市场预测

本数据集作为欧洲医药健康行业招聘信息的权威来源，以其41,093条完整记录的庞大规模、全面覆盖的17个职位类别和广泛分布的地理范围，为行业发展研究、人才培养战略制定和人工智能算法优化提供了无可替代的数据基础。所有记录均来自真实的招聘平台，包含完整的职位描述、公司信息、薪资待遇和申请要求，为研究医疗健康行业的就业趋势、薪资水平和人才需求变化提供了可靠的数据基础。数据集包含丰富的完整职位描述信息，覆盖了医药健康产业链的各个环节，从研发、生产到销售和监管，全面反映了欧洲医药健康行业的用人需求现状。

2025-12-19 11:45:40 1124

原创垃圾目标检测数据集分析报告-包含399张带标注JPG图像的环境监测计算机视觉训练数据-智慧城市建设-自动化垃圾识别与分类技术-垃圾目标检测任务

该数据集可以用于训练自动驾驶感知系统中的垃圾检测模型，帮助车辆识别道路上的垃圾并做出适当的决策，如减速、绕行等。通过对大量标注数据的统计分析，可以提取垃圾的形状、大小、颜色等特征信息，为环保政策的制定和垃圾分类技术的改进提供科学依据。该数据集包含完整的图像文件和对应的标注信息，为开发和训练垃圾识别算法提供了重要基础。根据样本分析，数据集中的图像包含不同数量的垃圾实例标注，部分图像包含单个垃圾实例（如bag1.jpg、bag10.jpg），部分图像包含多个垃圾实例（如bag20.jpg包含3个垃圾实例）。

2025-12-17 11:54:29 695

weixin_45859085的博客