#dataset Repositories
Insgesamt 173 Repositories
[ICLR 2025] Synthese von Ausrichtungsdaten von Grund auf durch Aufforderung ausgerichteter LLMs mit nichts. Ihre effiziente und qualitativ hochwertige Pipeline zur Generierung synthetischer Daten!
Offizieller Datensatz für „Bewertung der Unauffälligkeit adversarialer Störungen: aus visueller Perspektive“
🍃 MINT-1T: Ein multimodaler verschränkter Datensatz mit einer Billion Token.
Bibeltext in JSON und XML — 141 Versionen in 85 Sprachen, bereit für Apps, die Suche nach Bibelversen und NLP-/KI-Datensätze
Hua Shus quelloffene globale Vogel-Stickerbibliothek · KI-generierte Sticker für über 11.000 Vogelarten (AviList v2026), lizenziert unter CC BY 4.0, mit Namen in 43 Sprachen und strukturierten Daten
Entfessle die Macht von LLMs: Entdecke diese Datensätze, um dein eigenes ChatGPT zu trainieren!
Total Text Datensatz. Er besteht aus 1555 Bildern mit mehr als 3 verschiedenen Textausrichtungen: horizontal, multiorientiert und gekrümmt, einzigartig in seiner Art.
Gemeinsames Lernen von Detektions- und Identifikationsmerkmalen für die Personensuche
JSON-zu-DataSet- und DataSet-zu-JSON-Konverter für Delphi und Lazarus (FPC)
Thorsten-Voice: Eine kostenlos nutzbare, offline arbeitende, hochwertige deutsche TTS-Stimme sollte für jedes Projekt ohne Lizenzprobleme verfügbar sein.
[NeurIPS 2024 Spotlight] Offizielle Implementierung von MSFA und Veröffentlichung des SARDet_100K-Datensatzes für die groß angelegte Objekterkennung mit synthetischem Scharffokusradar (SAR)
Dataset-, Streaming- und Dateisystemerweiterungen, die von TensorFlow SIG-IO gepflegt werden
Open-Source-Infrastruktur, die verstreute SKILL.md-Dateien in kuratierte, abrufbereite Agentenkompetenz-Korpora umwandelt – einschließlich Tools für Abruf und Evaluierung.
ACM Multimedia2020 University-1652: Ein Multi-View Multi-Source-Benchmark für drone-basierte Geo-Lokalisierung :helicopter: annotiert 1652 Gebäude an 72 Universitäten weltweit.
Dataset Management Framework, eine Python-Bibliothek und ein CLI-Tool zum Erstellen, Analysieren und Verwalten von Computer-Vision-Datensätzen.
Benchmarking der Faktenhaltigkeit langer Texte in großen Sprachmodellen. Originalcode für unsere Arbeit "Long-form factuality in large language models".
[CVPR 2024] MovieChat: Von dichten Token zu spärlichem Gedächtnis für das Verständnis langer Videos
Punktbasierter und winziger Objekterkennungs- und Lokalisierungscodesatz von UCAS-VG
[ECCV'20] Structured3D: Ein großer fotorealistischer Datensatz für strukturierte 3D-Modellierung
Ego4d Dataset Repository. Laden Sie den Datensatz herunter, visualisieren Sie ihn, extrahieren Sie Merkmale und Beispielhafte Nutzung des Datensatzes
Ein kostenloser Audiodatensatz gesprochener Ziffern. Eine Audioversion von MNIST.
Awesome-LLM-Eval: eine kuratierte Liste von Tools, Datensätzen/Benchmarks, Demos, Bestenlisten, Papern, Docs und Modellen, hauptsächlich für die Evaluierung von LLMs. Eine kuratierte Liste von Tools, Benchmark/Daten, Demos, Ranglisten und großen Modellen, die sich hauptsächlich an die Bewertung von Basis-Large Models richtet und darauf abzielt, die technologischen Grenzen der generativen KI zu erforschen.
Datensatz ‚Exclusively Dark (ExDARK)‘, der laut unserem Verständnis die größte Sammlung von Bildern bei sehr schlechten Lichtverhältnissen ist, die in sehr dunklen Umgebungen bis zum Zwielicht (d.h. 10 unterschiedliche Bedingungen) bis heute aufgenommen wurden, mit Bildklassens- und Objektannotierungen.
Ein Repository mit ziemlich coolen Datensätzen, die ich für die Forschung in Netzwerkwissenschaft und maschinellem Lernen gesammelt habe.
ConvoKit ist ein Toolkit zur Extraktion von konversationellen Merkmalen und zur Analyse sozialer Phänomene in Gesprächen. Es umfasst mehrere große konversationelle Datensätze sowie Skripte, die den Einsatz des Toolkits auf diesen Datensätzen exemplarisch darstellen.
HISTDATA - Datensatz bestehend aus allen FX-Handelspaaren / Rohöl / Aktienindizes. Einfache API zum Abrufen von 1-Minuten-Daten (und Tick-Daten) Historische FX-Preise (aktuell).
Ein Fahr-Datensatz für die Entwicklung und Validierung fusizierter Pose-Schätzer und Kartierungsalgorithmen
Eine Sammlung einiger Datensätze für Segmentierung / Saliency-Erkennung. Willkommen bei PR...:smile:
Eine kuratierte Sammlung öffentlicher Industriedatensätze.
Datensatz und Benchmark für RAG auf unternehmensinternen Dokumenten.
[ICML 2024] TrustLLM: Bewertung der Vertrauenswürdigkeit von LLMs hinsichtlich Wahrhaftigkeit, Sicherheit, Fairness, Robustheit, Datenschutz und Ethik. Python-/CLI-Toolkit für lokale Modelle, kompatible APIs und die Orchestrierung von KI-Agenten.
Vollständiger Lebenszyklus eines Data-Science-Projekts
Der ApolloScape Open Dataset für autonomes Fahren und seine Anwendung.
Python-Bibliothek für historische Preisdaten von Kryptowährungen. Daten von https://coinmarketcap.com.
🔥3D-Punktwolken-Zielerkennung & Semantische Segmentierung (Deep Learning) - SOTA-Methoden, Code, Paper, Datensätze usw.
Eine Sammlung von über 150 kostenlosen Datensätzen zur Verwendung in den Sozialwissenschaften, der angewandten Mikroökonomie, der Datenvisualisierung usw.