#dataset Dépôts
173 dépôts au total
[ICLR 2025] Synthèse de données d'alignement à partir de zéro en invitant des LLM alignés avec rien. Votre pipeline de génération de données synthétiques efficace et de haute qualité !
Jeu de données officiel pour « Évaluation de la discrétion des perturbations adversariales : une perspective visuelle »
🍃 MINT-1T : Un ensemble de données multimodal entrelacé d'un billion de jetons.
Texte biblique en JSON et XML — 141 versions dans 85 langues, prêt à être utilisé dans des applications, pour la recherche de versets et dans des jeux de données de TAL/IA
Bibliothèque mondiale open source d’autocollants d’oiseaux de Hua Shu · Autocollants générés par IA pour plus de 11 000 espèces d’oiseaux (AviList v2026), sous licence CC BY 4.0, avec des noms en 43 langues et des données structurées
Libérez la puissance des LLM : explorez ces ensembles de données pour entraîner votre propre ChatGPT !
Jeu de données Total Text. Il se compose de 1555 images avec plus de 3 orientations de texte différentes : horizontale, multi-orientée et courbe, unique en son genre.
Apprentissage conjoint de caractéristiques de détection et d'identification pour la recherche de personnes
Convertisseur JSON vers DataSet et DataSet vers JSON pour Delphi et Lazarus (FPC)
Thorsten-Voice : Une voix TTS allemande de haute qualité, gratuite à utiliser et fonctionnant hors ligne, devrait être disponible pour chaque projet sans aucun problème de licence.
[NeurIPS 2024 spotlight] Implémentation officielle de MSFA et publication du jeu de données SARDet_100K pour la détection d'objets radar à ouverture synthétique (SAR) à grande échelle
Jeu de données pour les distiques. Base de données de 700 000 distiques.
Extensions Dataset, streaming et système de fichiers maintenues par TensorFlow SIG-IO
Infrastructure open source qui transforme des fichiers SKILL.md dispersés en corpus de compétences d’agents sélectionnés et prêts pour la recherche, avec des outils de recherche et d’évaluation inclus.
ACM Multimedia2020 University-1652 : Un Benchmark Multi-vue Multi-source pour la Géolocalisation Basée sur Drones :helicopter: annote 1652 bâtiments dans 72 universités à travers le monde.
Dataset Management Framework, une bibliothèque Python et un outil CLI pour construire, analyser et gérer des ensembles de données de vision par ordinateur.
Évaluation comparative de la factualité sur le long terme dans les grands modèles linguistiques. Code source de notre article « Long-form factuality in large language models ».
[CVPR 2024] MovieChat : Des tokens denses à la mémoire éparse pour la compréhension de longues vidéos
Ensemble de code de détection et de localisation d'objets basés sur des points et minuscules de UCAS-VG
Gardez le contrôle de votre code, de vos données et de vos conteneurs avec git et git-annex
[ECCV'20] Structured3D: Un grand ensemble de données photoréaliste pour la modélisation 3D structurée
Dépôt du jeu de données Ego4d. Téléchargez le jeu de données, visualisez, extrayez les caractéristiques et exemple d'utilisation du jeu de données
Un ensemble de données audio gratuit de chiffres parlés. Une version audio de MNIST.
Awesome-LLM-Eval: une liste organisée d'outils, de jeux de données/benchmarks, de démos, de classements, d'articles, de documents et de modèles, principalement pour l'évaluation des LLM. Une liste organisée d'outils, de benchmarks/données, de démos, de classements et de grands modèles, principalement axée sur l'évaluation des grands modèles de base, dans le but d'explorer les limites technologiques de l'IA générative.
Le jeu de données Exclusively Dark (ExDARK), qui, à notre connaissance, est la plus grande collection d’images à faible éclairage prises dans des environnements très faiblement éclairés jusqu’au crépuscule (c.-à-d. 10 conditions différentes) à ce jour, avec des annotations au niveau des classes d’image et des objets.
Un repository de datasets plutôt cool que j'ai collectés pour la recherche en science des réseaux et en apprentissage automatique.
ConvoKit est un kit d'outils pour extraire les caractéristiques conversationnelles et analyser les phénomènes sociaux dans les conversations. Il inclut plusieurs grands ensembles de données conversationnelles ainsi que des scripts illustrant l'utilisation du kit d'outils sur ces ensembles de données.
HISTDATA - Ensemble de données composé de toutes les paires de trading FX / Pétrole brut / Indices boursiers. API simple pour récupérer les données de 1 minute (et données tick) Prix historiques FX (à jour).
Un ensemble de données de conduite pour le développement et la validation d'estimateurs de pose fusionnés et d'algorithmes de cartographie
Une collection de certains ensembles de données pour la segmentation / détection de saillance. Bienvenue à PR...:smile:
Une collection organisée de jeux de données industriels publics.
Ensemble de données et référence pour RAG sur les documents internes de l'entreprise.
[ICML 2024] TrustLLM : évaluation de la fiabilité des LLM selon les critères de véracité, de sécurité, d’équité, de robustesse, de confidentialité et d’éthique. Boîte à outils Python/CLI pour les modèles locaux, les API compatibles et l’orchestration d’agents d’IA.
Cycle de vie complet d'un projet de science des données
Weibo-COV : Un ensemble de données à grande échelle sur les médias sociaux relatifs au COVID-19 provenant de Weibo
Le jeu de données ouvert ApolloScape pour la conduite autonome et son application.
Bibliothèque de données historiques de prix de cryptomonnaies en Python. Données de https://coinmarketcap.com.
🔥Détection d'objets 3D par nuages de points & Segmentation sémantique (Deep Learning) - Méthodes SOTA, code, articles, ensembles de données, etc.
Une compilation de plus de 150 jeux de données gratuits destinés aux sciences sociales, à la microéconomie appliquée, à la visualisation de données, etc.