与交通有关的开源问答数据集有哪些
时间: 2023-12-25 19:22:52 浏览: 32
以下是一些与交通有关的开源问答数据集:
1. CoQA(https://stanfordnlp.github.io/coqa/):由斯坦福大学开发的一个大规模阅读理解数据集,其中一部分包含了关于交通的问题。
2. SQuAD(https://rajpurkar.github.io/SQuAD-explorer/):斯坦福大学及其合作者开发的一个阅读理解数据集,其中也有一些关于交通的问题。
3. HotpotQA(https://hotpotqa.github.io/):由剑桥大学等机构开发的一个包含多信息源的问答数据集,其中包含有关交通的问题。
4. TriviaQA(http://nlp.cs.washington.edu/triviaqa/):由华盛顿大学等机构开发的一个开放领域问答数据集,其中也有一些涉及交通的问题。
希望这些数据集对你有所帮助!
相关问题
百度的开源问答数据集有什么
特点?
百度开源的问答数据集是一个大规模的问答数据集,其中包含了超过50万个问题和而且带有详细的答案。这些问题涵盖了广泛的领域,如科学、文化、历史等。此数据集中的问题和答案是来自真实的用户在百度搜索中提出的问题,并由百度搜索引擎的结果与人工审核的结果所组成。此外,百度的开源问答数据集还提供了问题的分类、问题关键词、问题来源等详细信息,使得这个数据集在建立问答系统、自然语言处理等领域有着广泛的应用。
常用的开源图像数据集有哪些
常用的开源图像数据集有:
1. MNIST:手写数字图像数据集,包含 6 万张训练图像和 1 万张测试图像。
2. CIFAR-10/CIFAR-100:分别包含 10 类和 100 类物体的彩色图像,每类有 6,000 张训练图像和 1,000 张测试图像。
3. ImageNet:包含超过 1,000 万张图片,被广泛用于图像分类、目标检测等任务。
4. COCO:包含超过 33 万张带有注释的图像,用于目标检测、语义分割、实例分割等任务。
5. PASCAL VOC:包含 20 类物体的图像数据集,用于目标检测、图像分割等任务。
6. Open Images:包含超过 90 万张图片,每张图片都有多个物体的标注信息,用于目标检测、图像分割等任务。
7. Cityscapes:包含来自 50 座不同城市的 5,000 张高分辨率图像,用于道路场景分割等任务。
8. SUN:包含超过 14,000 类室内和室外场景的图像,用于场景分类等任务。
这些数据集在计算机视觉和深度学习领域被广泛使用,可以用于训练和测试模型,也可以用于研究和学习相关算法。