FM-IQA 全称 Freestyle Multilingual Image Question Answering，是一个问答数据集，包含 15 万张图像和 31 万个自由式中文问答对及其英文翻译。该数据集可用于训练和评估 mQA 模型。该模型可用于回答关于图像内容的问题，答案可…
FM-IQA 多语种问答数据集
机构
Baidu (百度)
机构: Baidu
Baidu (百度)
ApolloCar3D 汽车 3D 模型数据集
ApolloCar3D 是一个关于汽车 3D 模型实例的数据集。数据集包含 5277 张驾驶图像和超过 6 万的汽车实例。其中每辆车都配备了具有绝对模型尺寸和语义标注关键点的行业级 3D CAD 模型。该数据集比当前最先进的 PASCAL3D+ 和 KITTI 大 20 倍以上。
机构
Baidu (百度)
Dogs-in-the-wild 犬类图像数据集
Dogs-in-the-Wild 数据集是一个用于细粒度分类任务的大规模犬类数据集。该数据集按类别的覆盖范围、数据量和标注质量超过了类似的现有数据集。 该数据集包含涉及 362 个犬类的 299,458 张图片，比 Stanford Dogs 数据集大 15 倍。其中训练集包含 …
机构
Baidu (百度)
DuIE 大规模中文信息抽取数据集
DuIE 是一个大规模的人工标注数据集，可用来评估基于架构的知识抽取算法。 该数据集包含超过 21 万个现实世界的中文句子，其中涉及超过 45 万个 SPO 三元组 （即：Subject-Predicate-Object triples），由预先指定的架构与 49 种谓语组成。 …
机构
Baidu (百度)
ApolloScape 自动驾驶数据集
ApolloScape 是 Apollo 自动驾驶项目的一部分，旨在促进自动驾驶从感知、导航到控制各个领域的创新。该数据集在数据规模、标签密度及任务等方面仍在不断更新。 该数据集包括（当前阶段）： 环境密集语义 3D 点云（20+ 驾驶站点）立体声驾驶视频（100+ 小时）高精度…
机构
Baidu (百度)
CCMT 2019-BSTC 语音翻译语料库
BSTC 全称 Baidu Speech Translation Corpus，是一个大型自动同声传译数据集， 用于自动同声传译系统的构建。 该语料库分为训练集、开发集和测试集 3 个子集，每个子集包括： -声音信号文件，命名为 baidu_XX.wav -描述文件，包括每个声音…
机构
Baidu (百度)
SAOKE 人工标注数据集
SAOKE 全称 Symbol Aided Open Knowledge Expression，是一个人工标注数据集，包含 4 万多个中文句子和 SAOKE 形式的相应事实，是开放域信息抽取任务中，最大的公开可用的人工标注数据集。 该数据集具有以下优点： 数据真实且开放使用：遵循…
机构
Baidu (百度)
iChallenge-PM 视网膜眼底图像数据集
据相关研究显示，病理性近视易对患者的视力造成不可逆转的损害。因此病理性近视的早期诊断与定期随访，显得极为重要。为此，Challenge-PM 视网膜眼底图像数据集便应运而生。 该数据集包括了 1200 张带有标注的视网膜眼底图像，以及一个评估框架，以便对所有提交结果进行统一评价与…
机构
Baidu (百度)
Video Highlights 高光帧提取数据集
Video Highlights 数据集包含了超过 1470 个完整的综艺节目视频（约 1200h）的播放链接和包含提取特征的文件。其中 Highlight Clips 包括 18,000 个视频，总时长约 750 个小时，每个视频都精准标注了时间戳。研究人员可以利用训练数据集中…
机构
Baidu (百度)
iChallenge-GON 健康数据集
iChallenge-GON 是一个包含 1200 张带标注的视网膜眼底图像的大型数据集。 该数据集按照 1:1:1 的比例，平均分成了 3 个子集，分别用于训练、离线验证 (offline validation) 和现场测试 (onsite test)，每个子集的青光眼存在的比…
机构
Baidu (百度)
ICDAR_2019_LSVT 数据集
ICDAR 2019-LSVT (Large-scale Street View Text) 是一个大规模场景文本数据集。 该数据集包括 450,000 个带文本的图像，均拍摄自真实街道（如店面、地标等），其中 400,000 个图像为部分标注，作为训练数据；50,000 个图像…
机构
Baidu (百度)
ICDAR_2019_ArT 数据集
ICDAR 2019 ArT 是一个任意形状文本数据集。该数据集包括 10,176 张图像，其中 5603 张图像为训练集，4573 张图像为测试集。 该数据集中的图像源自 TotalText、CTW1500 和 LSVT 三个数据集，其中包含中文文本的部分源自百度街景，并以众包…
机构
Baidu (百度)
DuConv 对话数据集
DuConv 是一个基于电影和明星领域的数据集，包括票房、导演、评论等信息。 该数据集包括 30k 个对话，大约 120k 个对话回合。其中 20k 个对话为训练集，2k 个对话为开发集，8k 个对话用于构建测试样本。对话集和开发集中的每个对话都包含对话目的、背景知识和…
机构
Baidu (百度)
超神经测试用数据集
数据集正文内容。仅供测试使用
DuReader 大规模开放域中文机器阅读理解数据集
DuReader 是一个面向机器阅读理解的大型开放域中文数据集，可用于训练或评估机器阅读理解模型和系统。 该数据集由 20 万个问题、42 万个答案和 100 万个文档组成。问题和文档基于百度搜索和百度知道，答案由人工生成。该数据集还提供了问题类型的注释，每道问题都被手动标注了其…
机构
Baidu (百度)