Datasets ကိုဖွင့်ပါ

ML ပုံစံများကိုလေ့ကျင့်သင်ကြားပေးမည့်ပွင့်လင်းသောအရင်းအမြစ်အချက်အလက်များကိုရှာဖွေပါ

AI/ML Models များဖြင့်သင်စတင်နိုင်ရန် Open Source Datasets

သင်၏ AI & ML မော်ဒယ်များ၏ထုတ်လုပ်မှုသည်သင်လေ့ကျင့်ရန်သင်အသုံးပြုသောဒေတာများနှင့်သာသင့်လျော်သည်။ ထို့ကြောင့်သင်ဒေတာစုစည်းခြင်းနှင့်ထိုအချက်အလက်များ၏တံဆိပ်ကပ်ခြင်းနှင့်ဖော်ထုတ်ခြင်းတို့နှင့်သက်ဆိုင်သည့်တိကျမှုသည်အရေးကြီးသည်။

ထို့ကြောင့် AI / ML အစပျိုးမှုအသစ်တစ်ခုကိုသင်စတင်လိုပါကအရည်အသွေးမြင့်မားသောလေ့ကျင့်ရေးအချက်အလက်များကိုရှာဖွေခြင်းသည်သင်၏စီမံကိန်း၏စိန်ခေါ်မှုအရှိဆုံးတစ်ခုဖြစ်ကြောင်းသင်လျင်မြန်စွာသဘောပေါက်လျှင်အရည်အသွေးမြင့်အချက်အလက်အစုများသည် AI ကိုထိန်းသိမ်းသောလောင်စာဖြစ်သည်။ ML အင်ဂျင်လည်ပတ်နေပါတယ် အနာဂတ်အတွက်သင်၏ AI / ML မော်ဒယ်များကိုအခမဲ့လေ့ကျင့်သင်ကြားပေးသောပွင့်လင်းသောအချက်အလက်စာရင်းများကိုကျွန်ုပ်တို့စုစည်းထားရှိပါသည်။

အထူးပြု	ဒေတာအမျိုးအစား	Dataset အမည်	စက်မှုလုပ်ငန်း / ဌာန	မှတ်ချက်များ / အသုံးပြုမှုဖြစ်ရပ်မှန်	ဖေါ်ပြချက်	လင့်ခ်
NLP	စာသားမ	အမေဇုံပြန်လည်သုံးသပ်ခြင်း	e-commerce	စိတ်ဓါတ်ခွဲခြမ်းစိတ်ဖြာ	သုံးစွဲသူနှင့်ထုတ်ကုန်အသေးစိတ်များပါသောလွန်ခဲ့သော ၁၈ နှစ်အတွင်းမှ ၃၅ Mn ပြန်လည်သုံးသပ်ခြင်းနှင့်အဆင့်သတ်မှတ်ချက်များအစုံအလင်ပါ ၀ င်သည်။	လင့်ခ်
NLP	စာသားမ	Wikipedia Links ဒေတာ	ယေဘုယျ		၄ သန်းကျော်။ 4 ဘီလီယံင်ဆောင်းပါးများ။ စကားလုံးများနှင့်စကားစုများအပြင်စာပိုဒ်များပါသည့်စကားလုံး။	လင့်ခ်
NLP	စာသားမ	Standford သဘောထား Treebank	Entertainment က	စိတ်ဓါတ်ခွဲခြမ်းစိတ်ဖြာ	Rotten Tomatoes မှပြန်လည်ဆန်းစစ်ချက် ၁၀၀၀၀ ကျော်အတွက်စိတ်ကူးစိတ်သန်းများစုစည်းထားသည့်အချက်အလက်များသည် HTML ဖိုင်ပုံစံဖြင့်	လင့်ခ်
NLP	စာသားမ	တွစ်တာအမေရိကန်လေကြောင်းလိုင်းသဘောထား	လကွောငျး	စိတ်ဓါတ်ခွဲခြမ်းစိတ်ဖြာ	၂၀၁၅ အမေရိကန်လေကြောင်းလိုင်းများပေါ်ရှိ Tweets များသည်အပြုသဘော၊ အနုတ်လက္ခဏာနှင့်ကြားနေလေသံသို့ကွဲပြားသွားသည်	လင့်ခ်
CV	image ကို	အဆိုပါတောရိုင်းအတွက်မျက်နှာများတံဆိပ်ကပ်	ယေဘုယျ	facial အသိအမှတ်ပြု	မျက်နှာခွဲခြားထားသည့်မျက်နှာပေါင်း ၁၃၀၀၀ ကျော်ပါဝင်သည့် Dataset သည်မျက်နှာပုံသဏ္recognitionာန်အသိအမှတ်ပြုခြင်းအတွက်ပုံနှစ်ပုံနှင့်အတူ။	လင့်ခ်
CV	ဗွီဒီယို၊	UMDFaces ဒေတာအတွဲ	ယေဘုယျ	facial အသိအမှတ်ပြု	ရုပ်ငြိမ်ဓါတ်ပုံများပါ ၀ င်သည့်ဘာသာရပ်ပေါင်း ၈၀၀၀ ကျော်မှမျက်နှာပေါင်း ၃၆၇၀၀၀ ကျော်ပါဝင်သောမှတ်စုဒေတာဘေ့စ်။	လင့်ခ်
CV	image ကို	ပန်းချီဆရာ	ယေဘုယျ		14 Mn ကျော်နှင့်အတူ Dataset ကို။ WordNet အဆင့်ဆင့်အရဖွဲ့စည်းထားသောဖိုင်အမျိုးအစားအမျိုးမျိုးရှိပုံများ။	လင့်ခ်
CV	image ကို	Google's Open Images	ယေဘုယျ		၉ သန်း အများသုံးပုံများကိုအမျိုးအစား ၆၀၀၀ ကျော်မှခွဲခြားရန် URLs များ။	လင့်ခ်
NLP	စာသားမ	MIMIC ဝေဖန်စောင့်ရှောက်မှုဒေတာဘေ့စ	ကျန်းမာရေးစောင့်ရှောက်မှု		40,000 အရေးပါစောင့်ရှောက်မှုလူနာထံမှ de- ဖော်ထုတ်ဒေတာနှင့်အတူကွန်ပျူတာဇီဝကမ္မဒေတာ။ စာရင်းဇယားများတွင်လူ ဦး ရေစာရင်း၊ အရေးကြီးသောလက္ခဏာများ၊ ဆေးဝါးများစသဖြင့်သတင်းအချက်အလက်များပါဝင်သည်။	လင့်ခ်
CV	image ကို	အမေရိကန်အမျိုးသားခရီးသွားနှင့်ခရီးသွားရုံး	ခရီးသွားလုပ်ငန်း		ကမ္ဘာလှည့်ခရီးသွားလုပ်ငန်းမှယုံကြည်စိတ်ချရသောဒေတာဘေ့စ်များမှဓာတ်ပုံများကိုကျယ်ကျယ်ပြန့်ပြန့်ဖော်ပြပေးသည်။	လင့်ခ်
NLP	စာသားမ	သယ်ယူပို့ဆောင်ရေးဦးစီးဌာန	ခရီးသွားလုပ်ငန်း		အမျိုးသားဥယျာဉ်များ၊ ယာဉ်မောင်းမှတ်ပုံတင်များ၊ တံတားများ၊ မီးရထားလမ်းများစသည့်ခရီးသွားအချက်အလက်စာရင်းများ။	လင့်ခ်
NLP	audio	Flickr အသံစာတန်းကော်ပိုရေးရှင်း	ယေဘုယျ		ထိန်းချုပ်မှုမရှိသောမိန့်ခွန်းပုံစံများအတွက်ဒီဇိုင်းပြုလုပ်ထားသောဓာတ်ပုံ ၈၀၀၀ မှ 40k ကျော်စကားပြောစာတန်းများ	လင့်ခ်
NLP	audio	မိန့်ခွန်း Dataset	ယေဘုယျ	မိန့်ခွန်းအသိအမှတ်ပြုမှု, အသံမှတ်ချက်	အခြေခံအသံမျက်နှာပြင်တည်ဆောက်ရန်ထောင်နှင့်ချီသောတစ် ဦး ချင်းစီမှ ၁ စက္ကန့်ကြာသောစကားလုံး။	လင့်ခ်
NLP	audio	ပတ်ဝန်းကျင်ဆိုင်ရာအသံဒေတာအစု	ယေဘုယျ		ပတ်ဝန်းကျင်ဆိုင်ရာအချက်အလက်များ၊ ဖြစ်ရပ်များဇယားများနှင့် acoustic မြင်ကွင်းများဇယားများပါ ၀ င်သည်။	လင့်ခ်
NLP	စာသားမ	COVID-19 ပွင့်လင်းသုတေသန Dataset	ကျန်းမာရေးစောင့်ရှောက်မှု	ဆေးဘက်ဆိုင်ရာ AI	COVID-45,000 နှင့် coronavirus မိသားစုတို့၏ဗိုင်းရပ်စ်နှင့်ပတ်သက်သည့်ပညာရပ်ဆိုင်ရာဆောင်းပါး ၄၅၀၀၀ ပါဝင်သည်။	လင့်ခ်
CV	image ကို	Waymo ပွင့်လင်း Dataset	မော်တော်ယာဉ်		Waymo မှဖြန့်ချိသည့်ကွဲပြားခြားနားသည့်ကိုယ်ပိုင်မောင်းနှင်မှုဆိုင်ရာအချက်အလက်စာရင်း	လင့်ခ်
CV	image ကို	အမြင်အာရုံဂျီနိုအာ	ယေဘုယျ	ပုံစာတန်းထိုး	100K ကျော်ပုံရိပ်တွေအသေးစိတ်စာတန်းနှင့်အတူတစ် ဦး ကအမြင်အာရုံအသိပညာအခြေစိုက်စခန်း	လင့်ခ်
CV	image ကို	တံဆိပ်ကပ်ခြင်း	ပြည်သူ့အစိုးရ		Labelme Matlab မှတစ်ဆင့်ကြည့်ရှုနိုင်သည့်ကြီးမားသောမှတ်စုပုံများ	လင့်ခ်
CV	image ကို	COIL ၁၀၀	ယေဘုယျ		ထောင့်ပေါင်းစုံမှရိုက်ကူးထားသောအရာဝတ္ထု ၁၀၀ ကျော် (ဥပမာ ၃၆၀ ဒီဂရီ)	လင့်ခ်
CV	image ကို	စတန်းဖို့ဒ်ခွေး Dataset	ယေဘုယျ		ကွဲပြားခြားနားသောခွေးမျိုးကွဲ ၁၂၀ ၏ပုံရိပ်ကိုခွဲခြားထားသောပုံရိပ် ၂၀,၅၀၀ ကျော်ပုံရိပ်များ	လင့်ခ်
CV	image ကို	မိုးလုံလေလုံမြင်ကွင်းအသိအမှတ်ပြုမှု	ယေဘုယျ	မြင်ကွင်းအသိအမှတ်ပြုမှု	မြင်ကွင်းအသိအမှတ်ပြုမော်ဒယ်များတည်ဆောက်ရန်မိုးလုံလေလုံအမျိုးအစား ၆၇ ခုမှပုံရိပ် ၁၅၆၂၀ ပါဝင်သည်	လင့်ခ်
CV	image ကို	VisualQA	ယေဘုယျ		တုံ့ပြန်မှုအတွက်အမြင်နှင့်နားလည်မှုကိုနားလည်ရန်လိုအပ်သည့်ဓာတ်ပုံ ၂၆၅,၀၁၆ နှင့်သက်ဆိုင်သောဖွင့်ထားသောမေးခွန်းများပါ ၀ င်သည့်အစုတစ်ခု။	လင့်ခ်
NLP	စာသားမ	Multidomain သဘောထားစိစစ်သုံးသပ်ချက် Dataset	e-commerce	စိတ်ဓါတ်ခွဲခြမ်းစိတ်ဖြာ	အမေဇုံမှထုတ်ကုန်ပြန်လည်သုံးသပ်ခြင်းင် Dataset	လင့်ခ်
NLP	စာသားမ	IMDB သုံးသပ်ချက်များ	Entertainment က	စိတ်ဓါတ်ခွဲခြမ်းစိတ်ဖြာ	စိတ်ဓါတ်များခွဲခြမ်းစိတ်ဖြာဘို့ 25000 ရုပ်ရှင်ပြန်လည်သုံးသပ်င် Dataset	လင့်ခ်
NLP	စာသားမ	စေတီ	ယေဘုယျ	စိတ်ဓါတ်ခွဲခြမ်းစိတ်ဖြာ	ပိုမိုမြင့်မားသောတိကျမှန်ကန်မှုကို pre-ဖယ်ရှားထားသော Emoticons ပါသည့် tweets ပေါင်း ၁၆၀,၀၀၀ ပါ ၀ င်သည့် Dataset	လင့်ခ်
NLP	စာသားမ	ပရိတ် Corpus	ယေဘုယျ	Keyprase ခွဲခြမ်းစိတ်ဖြာခြင်း။	ဘလော့ဂ်ပို့စ်ပေါင်း ၆၈၁,၂၈၈ ခုပါ ၀ င်သည့် Dataset တွင်အင်္ဂလိပ်စကားလုံးအနည်းဆုံး ၂၀၀ ကြိမ်ပါ ၀ င်သည်။	လင့်ခ်
NLP	စာသားမ	အန္တရာယ်	ယေဘုယျ	Chatbot လေ့ကျင့်ရေး	Dataset တွင်မေးခွန်းပေါင်း ၂၀၀,၀၀၀ ကျော်ပါဝင်ပြီးအလိုအလျောက်တုန့်ပြန်မှုပြုရန်စက်သင်ယူမှုပုံစံများကိုလေ့ကျင့်ရန်အသုံးပြုနိုင်သည်	လင့်ခ်
NLP	စာသားမ	SMS Spam များစုဆောင်းခြင်း	တယ်လီကွန်း	Spam အသိအမှတ်ပြုမှု	အင်္ဂလိပ်စာ ၅,၅၇၄ ပါဝင်သည်	လင့်ခ်
NLP	စာသားမ	Yelp ပြန်လည်သုံးသပ်ခြင်း	ယေဘုယျ	စိတ်ဓါတ်ခွဲခြမ်းစိတ်ဖြာ	Yelp မှထုတ်ဝေသော ၅ မီလီယံကျော်ပြန်လည်သုံးသပ်မှုနှင့်အတူတစ် ဦး က Database	လင့်ခ်
NLP	စာသားမ	UCI ရဲ့ Spambase	စီးပွားရေးလုပ်ငန်း	Spam အသိအမှတ်ပြုမှု	spam filter များအတွက်အသုံးဝင်သော spam အီးမေးလ်အမြောက်အများ။	လင့်ခ်
CV	ဗွီဒီယို၊	ဘာကလေ DeepDrive BDD100k	မော်တော်ယာဉ်	ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်	နယူးယောက်နှင့်ဆန်ဖရန်စစ္စကိုfromရိယာမှတစ်နေ့တာ၏ကွဲပြားခြားနားသောအချိန်များမှဗီဒီယိုပေါင်း ၁၀၀,၀၀၀ ကျော်တွင်နာရီပေါင်း ၁၀၀ ကြာကားမောင်းခြင်းအတွေ့အကြုံများပါ ၀ င်သောမိမိကိုယ်ကို AI မောင်းနှင်သည့် AI အတွက်အကြီးမားဆုံးသောစာရင်းတစ်ခုဖြစ်သည်။	လင့်ခ်
CV	ဗီဒီယို	Comma.ai	မော်တော်ယာဉ်	ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်	၇ နာရီကြာအဝေးပြေးလမ်းမကြီးတွင်ကား၏မြန်နှုန်း၊ အရှိန်၊ စတီယာရင်ထောင့်နှင့် GPS ကိုသြဒီနိတ်များပါ ၀ င်သည်	လင့်ခ်
CV	ဗွီဒီယို၊	Cityscape ဒေတာအတွဲ	မော်တော်ယာဉ်	ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်အတွက် semantic တံဆိပ်	မြို့ ၅၀ မှမှတ်တမ်းတင်ထားသော pixel-level annotations အစုပေါင်းပေါင်း ၂၀၀၀၀ နှင့်စတီရီယိုဗီဒီယိုအစီအစဉ်များတွင်အားနည်းစွာမှတ်သားထားသော frame ၂၀,5,000 ပါဝင်သည်။	လင့်ခ်
CV	image ကို	KUL ဘယ်လ်ဂျီယံယာဉ်အသွားအလာလက်မှတ်အချက်အလက်များ	မော်တော်ယာဉ်	ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်	ဘယ်လ်ဂျီယံတစ်လွှားမှရုပ်ပိုင်းဆိုင်ရာကွဲပြားသောယာဉ်အသွားအလာများကို အခြေခံ၍ ဖလန်းဒါးစ်ဒေသမှယာဉ်အသွားအလာအမှတ် ၁၀၀၀၀ ကျော်ကျော်။	လင့်ခ်
CV	image ကို	LISA: ထောက်လှမ်းရေးနှင့်လုံခြုံသောမော်တော်ယာဉ်များအတွက်ဓာတ်ခွဲခန်း၊ UC San Diego Datasets	မော်တော်ယာဉ်	ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်	ယာဉ်ကြောရှာဖွေတွေ့ရှိခြင်း၊ မီးပွိုင့်များနှင့်လမ်းကြောင်းပုံစံများပါရှိသည်။	လင့်ခ်
CV	image ကို	CIFAR-10	ယေဘုယျ	အရာဝတ္ထုအသိအမှတ်ပြုမှု	အရာဝတ္ထုအသိအမှတ်ပြုခြင်းအတွက်ပုံသဏ္datasetာန် ၅၀,၀၀၀ နှင့်စမ်းသပ်မှုပုံရိပ် ၁၀,၀၀၀ (ဆိုလိုသည်မှာ ၁၀ ခန်းတွင် ၆၀,၀၀၀ ၃၂ × ၃၂ အရောင်ပုံများ) ပါဝင်သည့် Datasets တစ်ခု။	လင့်ခ်
CV	image ကို	ဖက်ရှင် MNIST	ပုံ		ဥပမာ ၆၀,၀၀၀ နှင့် ၂၈ × ၂၈ မီးခိုးရောင်ပုံရိပ်များတွင်နမူနာပေါင်း ၁၀,၀၀၀ ပါ ၀ င်သောပုံရိပ်ကျက်စားရာပုံသဏ္datasetာန်ပါ ၀ င်သည်။ ၁၀ တန်းမှတံဆိပ်တစ်ခုနှင့်ဆက်စပ်သည်။	လင့်ခ်
CV	image ကို	IMDB-Wiki ဒေတာအတွဲ	Entertainment က	facial အသိအမှတ်ပြု	ထိုကဲ့သို့သောကျားမနှင့်အသက်အဖြစ်တံဆိပ်များနှင့်အတူမျက်နှာပုံရိပ်များ၏ကြီးမားသော Datasets ။ မျက်နှာပုံရိပ်စုစုပေါင်း ၅၂၃,၀၅၁ ခုအနက် IMDB မှကျော်ကြားသူ ၂၀,၂၈၄ နှင့်ဝီကီပီးဒီးယားမှ ၆၂,၃၂၈ တို့မှပုံရိပ် ၄၆၀,၇၂၃ ကိုရရှိသည်။	လင့်ခ်
CV	ဗီဒီယို	အရွေ့-၇၀၀	ယေဘုယျ		လုပ်ဆောင်မှုလူတန်းစားတစ်ခုစီအတွက်အရည်အသွေးမြင့်အချက်အလက်စုဆောင်းမှုတွင်ဗီဒီယိုကလစ် ၆၆၀,၀၀၀ ပါဝင်ပြီးအနည်းဆုံးဗီဒီယိုကလစ် ၆၀၀ နှင့်အတူလူသားလှုပ်ရှားမှုသင်တန်း ၇၀၀ ပါ ၀ င်သည်။ ဒီနေရာမှာကလစ်တစ်ခုစီက ၁၀ စက္ကန့်လောက်ပဲကြာပါတယ်။	လင့်ခ်
CV	image ကို	MS ကိုကိုး	ယေဘုယျ	အရာဝတ္ထုထောက်လှမ်းခြင်း, အပိုင်း	အဆိုပါ Datasets 328k ပုံရိပ်တွေပါရှိသည်နှင့်ဆက်စပ် ML မော်ဒယ်များ captioning အကြီးစားအရာဝတ္ထုရှာဖွေတွေ့ရှိမှု, segment နှင့်ဒေတာလေ့ကျင့်သင်ကြားဖို့ 2.5 Mn သာဓကနှင့် 91 အရာဝတ္ထုပုံရိပ်တွေရှိပါတယ်။	လင့်ခ်
CV	image ကို	MPII လူ့ Pose Dataset	ယေဘုယျ		မှတ်သားထားသောခန္ဓာကိုယ်အဆစ်များပါ ၀ င်သောလူပေါင်း ၄၀ ကျော်ပါ ၀ င်သည့် ၂၅ ကီလိုဂရမ်ရှိသောဓာတ်ပုံများသည်လူကြိုက်များသောခန့်မှန်းတွက်ချက်မှုအတွက်အသုံးပြုသော Datasets ထဲ၌ပါဝင်သည်။ ယေဘုယျအားဖြင့်အချက်အလက်စုဆောင်းမှုသည်လူ့လှုပ်ရှားမှု ၄၁၀ ကိုဖုံးအုပ်ထားပြီးပုံတစ်ခုစီကိုလှုပ်ရှားမှုတံဆိပ်တစ်ခုတပ်ဆင်ထားသည်။	လင့်ခ်
CV	image ကို	ပုံများဖွင့်ပါ	ယေဘုယျ	တည်နေရာမှတ်ချက်များအရာဝတ္ထု	၉ မီလီမီတာရှိသောပုံရိပ်ဒေတာဘေ့စ်ပုံရိပ်အဆင့်တံဆိပ်များ၊ အရာဝတ္ထုကိုကန့်သတ်ချက်များ၊ 9 Mn ပုံရိပ်တွေအပေါ် 16 အရာဝတ္ထုအတန်းများအတွက်သေတ္တာများကန့်သတ်။	လင့်ခ်
CV	ဗီဒီယို	Baidu Inc မှတရုတ် Apollo ပွင့်လင်းပလက်ဖောင်း	မော်တော်ယာဉ်	ထောင့်ကွက်, LiDAR ခညျြနှောငျ	developer များတီထွင်ဆန်းသစ်သောကြားဖြတ်၏ထိရောက်မှုအရှိန်မြှင့်ရန်ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရမောင်းအတွက်လိုအပ်သောဒေတာနှင့်အတူထောက်ပံ့ပေးကြောင်းတစ် ဦး ကကြွယ်ဝသောကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရကားမောင်း Datasets ။	လင့်ခ်
CV	ဗွီဒီယို၊	Argo, USA မှ Argo	မော်တော်ယာဉ်	Bounding Box, Optical Flow, Behaviour Label, Semantic Label, Lane Marking	geometric & semantic metadata ပါ ၀ င်သော HD မြေပုံများပါဝင်သည်။ Self- မောင်းနှင်သောယာဉ်များအန္တရာယ်ကင်းစွာသွားလာနိုင်ရန်အထောက်အကူပြုသောအချက်အလက်များကို ML မော်ဒယ်များကိုလေ့ကျင့်ရန်၊ ပိုမိုတိကျသောအမြင်ဆိုင်ရာ algorithms များပြုလုပ်ရန်အသုံးပြုသည်။	လင့်ခ်
CV	ဗီဒီယို	Bosch မြောက်အမေရိကသုတေသနမှသေးငယ်သောယာဉ်အသွားအလာအလင်းများ	မော်တော်ယာဉ်	ခညျြနှောငျ Box ကို	ရူပါရုံအခြေပြုအသွားအလာအလင်းရှာဖွေနိုင်သည့်စနစ်ကိုတည်ဆောက်ရန် 13427 * 1280 resolution ရှိသောကင်မရာပုံရိပ် ၁၃၄၂၇ လုံးပါ ၀ င်သော Database တစ်ခု။ အဆိုပါ Datasets ထက်ပိုမို 720 မှတ်ချက်တွေအသွားအလာအလင်းအိမ်ရှိပါတယ်။	လင့်ခ်
CV	ဗီဒီယို	Cornell Univ မှ Brain4Cars ။ အမေရိကန်	မော်တော်ယာဉ်	အပြုအမူတံဆိပ်	ယာဉ်မောင်းသူသတိနှင့်ပတ်သက်သောအသုံး ၀ င်သောကိန်းဂဏန်းများကိုထုတ်ယူနိုင်ရန်အတွက်အစုအဝေးအာရုံခံကိရိယာများ (ကင်မရာများ၊ ထိတွေ့နိုင်သောအာရုံခံကိရိယာများ၊ စမတ်ကိရိယာများစသည်တို့) ပါ ၀ င်သည်။ ကျွန်ုပ်တို့၏ algorithms သည်ငိုက်မျဉ်းနေသောသို့မဟုတ်အာရုံပျံ့လွင့်နေသောယာဉ်မောင်းများကိုရှာဖွေတွေ့ရှိနိုင်သည်။ ထို့အပြင်ကာကွယ်မှုတိုးတက်စေရန်အတွက်လိုအပ်သောနှိုးစက်များကိုတိုးမြှင့်နိုင်သည်။	လင့်ခ်
CV	image ကို	တရုတ် Univ အသုံးပြုပုံ CULane ။ ဟောင်ကောင်, ပေကျင်း, တရုတ်	မော်တော်ယာဉ်	လိန်းမှတ်သားခြင်း	အသွားအလာလမ်းကြောင်းကိုရှာဖွေတွေ့ရှိခြင်းဆိုင်ရာ Computer Vision Database၊ ၅၃ နာရီဗီဒီယိုများစုစုပေါင်း ၁၃၃,၂၃၅ (၈၈၈၈၀ လေ့ကျင့်ရေးအစုံ၊ ၉၆၇၅ အတည်ပြုခြင်းအစုံနှင့် ၃၄၆၈၀ စမ်းသပ်မှုအစုံ) frames များကိုထုတ်ယူခဲ့သည်။ ၎င်းကိုဘေဂျင်းရှိမတူညီသောယာဉ်မောင်းများမောင်းနှင်သည့်ယာဉ်ခြောက်စီးပေါ်တွင်တပ်ဆင်ထားသောကင်မရာများမှစုဆောင်းသည်။	လင့်ခ်
CV	ဗီဒီယို	Univ အားဖြင့် DAVIS ။ Zurich, ETH ¨ Zurich, ဂျာမနီ၊ ဆွစ်ဇာလန်နိုင်ငံ	မော်တော်ယာဉ်		DAVIS အဖြစ်အပျက် + ဘောင်ကင်မရာကိုအသုံးပြုသည့်အဆုံးမှအဆုံးကားမောင်းခြင်းသင်တန်းပေးသည့်အချက်အလက်။ စတီယာရင်၊ အခိုးအငှေ့ညှိရာကိရိယာ၊ ဂျီပီအက်စ်စသည့်ကားအချက်အလက်များသည်မော်တော်ယာဉ်အက်ပလီကေးရှင်းများအတွက်ဘောင်နှင့်အဖြစ်အပျက်အချက်အလက်များ၏ပေါင်းစပ်မှုကိုအကဲဖြတ်ရန်အသုံးပြုသည်။	လင့်ခ်
CV	ဗီဒီယို	DBNet, Shanghai Jiao Tong Univ ။ , Xiamen Univ ။ , China	မော်တော်ယာဉ်	ပွိုင့်တိမ်တိုက်, LiDAR	မောင်းနှင်သည့်အပြုအမူများနှင့် ပတ်သက်၍ အသေးစိတ်လေ့လာနိုင်ရန်အတွက်တူညီသောဗွီဒီယို၊ အမှတ်တံဆိပ်၊ GPS နှင့်ယာဉ်မောင်းအပြုအမူများပါ ၀ င်သည့်တကယ့်ကမ္ဘာ ၁၀၀၀ ကီလိုမီတာမောင်းနှင်မှုဒေတာ။	လင့်ခ်
CV	ဗီဒီယို	Univ မှဒေါက်တာ (မျက်လုံး) ။ Modena နှင့်အီတလီနိုင်ငံ Modena နှင့် Reggio Emilia တို့ဖြစ်ကြသည်	မော်တော်ယာဉ်	အပြုအမူတံဆိပ်	ဒေတာအစုသည် ၅ မိနစ်စီတွင် ၅ မိနစ်စီဗီဒီယိုဆက်တိုက် ၇၄ ခုပါ ၀ င်သည်။ ယာဉ်ကြောမောင်းနှင်မှုမြန်နှုန်း၊ သင်တန်းနှင့်ဒရိုင်ဘာအကြည့်များနှင့်၎င်းတို့၏ယာယီပေါင်းစည်းမှုများကိုတိကျစွာမြေပုံများဖြင့်တံဆိပ်ကပ်ထားသည်။	လင့်ခ်
CV	ဗီဒီယို	ETH လမ်းလျှောက်သူ (၂၀၀၉)၊ ETH Zurich၊ ဆွစ်ဇလန်၊ Zurich	ယေဘုယျ	ခညျြနှောငျ Box ကို	၅ မိနစ်စီကြာသော ၇၅ ဗီဒီယိုအစီအစဉ်များအစုတခုကိုပုံ ၅၀၀,၀၀၀ ကျော်ဖြင့်မှတ်သားထားသည်။ Datasets သည်ပထဝီဝင်အကိုးအကားပြုသည့်နေရာများ၊ မောင်းနှင်မှုမြန်နှုန်း၊ ဦး တည်ချက်ကိုပေးသည်။ ထို့အပြင်ယာဉ်မောင်းသူများအတွက်ကြည့်ရှုသည့် fixation များနှင့် ၄ င်းတို့၏သက်ဆိုင်ရာမြေပုံများအပါအ ၀ င်၊	လင့်ခ်
CV	ဗီဒီယို	Univ အားဖြင့် Ford ကား (2009) ။ မစ်ရှီဂန်၊	မော်တော်ယာဉ်	Box ကို, ခညျြနှောငျလီဒါ	Velodyne 3D-lidar စကင်နာ၊ တပ်ဆင်ထားသောအလိုအလျောက်မြေအောက်ယာဉ်တစ်စီး၊ ရှေ့သို့ကြည့်ရှုနိုင်သော Rieg lidars နှစ်ခု၊ နည်းပညာနှင့်စားသုံးသူ Inertial တိုင်းတာရေးယူနစ် (IMU) နှင့် Point Grey Ladybug3 omnidirectional ကင်မရာစနစ်တို့ဖြင့်စုစည်းထားသည့် Database ။	လင့်ခ်
CV	ဗီဒီယို	HCI Challenging Stereo၊ Bosch ကော်ပိုရေးရှင်းသုတေသန၊ Hildesheim, ဂျာမနီ	ယေဘုယျ		အမျိုးမျိုးသောရာသီဥတုအခြေအနေများ၊ အမျိုးမျိုးသောရွေ့လျားမှုနှင့်အတိမ်အနက်များပါ ၀ င်သောဖမ်းယူထားသည့်ဗီဒီယိုမြင်ကွင်းများမှသန်းပေါင်းများစွာဘောင်များအစုံအလင်ပါ ၀ င်သည်။ စသည်တို့ကိုမြို့နှင့်ကျေးလက်ဒေသအခြေအနေများ၊	လင့်ခ်
CV	ဗီဒီယို	ယူကေ၊ ကနေဒါ၊	မော်တော်ယာဉ်	Bounding Box, အမူအကျင့်ဆိုင်ရာတံဆိပ်	"JAAD ဆိုတာကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရမောင်းနှင်မှုအခြေအနေမှာပူးတွဲအာရုံစူးစိုက်မှုကိုလေ့လာရန်အတွက်အချက်အလက်များဖြစ်သည်။ အဓိကအားဖြင့်လမ်းကူးသူနှင့်ကားမောင်းသူရဲ့အပြုအမူအပေါ်အာရုံစိုက်ပြီး၎င်းတို့ကိုလွှမ်းမိုးသောအချက်များ။ ဒီအဆုံးမှာတော့ JAAD အချက်အလက်စုဆောင်းတဲ့ဗွီဒီယိုအတို ၃၄၆ ခုကိုစုဆောင်းထားပါတယ်။ clips (အရှည် ၅-၁၀ စက္ကန့်) သည်မြောက်အမေရိကနှင့်အရှေ့ဥရောပရှိနေရာများစွာမှနာရီပေါင်း ၂၄၀ ကျော်မောင်းနှင်မှုရိုက်ကူးမှုမှထုတ်ယူယူခဲ့သည်။ လူကူးမျဉ်းကုပ်များနှင့်အတူပတ် ၀ န်းကျင်အကန့်များဖြင့်လူကူးမျဉ်းကျားလမ်းလျှောက်သူရှာဖွေတွေ့ရှိရန်အဆင်ပြေစေသည်။ ဗီဒီယိုတစ်ခုစီအတွက် tag များ (ရာသီဥတု၊ တည်နေရာများစသဖြင့်) နှင့် timestamped အပြုအမူတံဆိပ်များ (ဥပမာရပ်တန့်ခြင်း၊ လမ်းလျှောက်ခြင်း၊ ကြည့်ခြင်းစသည်တို့) ရှိသည်။ ထို့အပြင်လူ ဦး ရေဆိုင်ရာအညွှန်းများစာရင်းလည်းရှိသည်။ လမ်းလျှောက်သူ (ဥပမာ၊ အသက်၊ ကျား၊ မ၊ လှုပ်ရှားမှု ဦး တည်ချက်စသည်) တစ်ခုစီအတွက်နှင့် frame တစ်ခုစီတွင်မြင်နိုင်သောအသွားအလာမြင်ကွင်းများ (ဥပမာရပ်တန့်နိမိတ်၊ အသွားအလာအချက်ပြစသည်တို့) အတွက်ထောက်ပံ့ပေးထားသည်။ "	လင့်ခ်
CV	ဗီဒီယို	KAIST, တောင်ကိုရီးယားနိုင်ငံ KAIST Urban	ယေဘုယျ	LiDAR	ဒေတာစုဆောင်းမှုတွင် LiDAR ဒေတာအတွက်တည်နေရာအာရုံခံကိရိယာများနှင့်အလွန်ရှုပ်ထွေးသည့်မြို့ပြareaရိယာကိုပစ်မှတ်ထားသည့်စတီရီယိုရုပ်ပုံများ (ဥပမာ - မြို့ပြ,ရိယာများ၊ ရှုပ်ထွေးသောအဆောက်အအုံများနှင့်လူနေအိမ်များ) ပါဝင်သည်။	လင့်ခ်
CV	image ကို	Univ မှ LISA အသွားအလာသင်္ကေတ။ ကယ်လီဖိုးနီးယား, San Diego မှ, အမေရိကန်ပြည်ထောင်စု	မော်တော်ယာဉ်	ခညျြနှောငျ Box ကို	အမေရိကန်ယာဉ်အသွားအလာဆိုင်းဘုတ်များပါရှိသောဗီဒီယိုများနှင့်မှတ်စုများဘောင်များပါ ၀ င်သည့်အချက်အလက်စာရင်း။ ၎င်းကိုပုံနှစ်မျိုးနှင့်ပုံတစ်ပုံတည်းနှင့်ပုံတစ်ပုံနှင့်ဗီဒီယိုနှစ်မျိုးလုံးဖြင့်ထုတ်လုပ်သည်။	လင့်ခ်
CV	image ကို	Mapillary AB၊ Global မှ Mapillary Vistas	မော်တော်ယာဉ်	semantic တံဆိပ်	ကမ္ဘာတစ်ဝှမ်းရှိလမ်းမြင်ကွင်းများကို pixel - တိကျမှုနှင့်ဥပမာ - တိကျသောလူ့မှတ်ချက်များဖြင့်ဘာသာပြန်ရန်အတွက်လမ်းအဆင့်ဓာတ်ပုံမှတ်တမ်းတစ်ခု။	လင့်ခ်
CV	ဗွီဒီယို၊	Semantic KITTI, Bonn တက္ကသိုလ်မှ, Karlsruhe, ဂျာမနီ	မော်တော်ယာဉ်	Bounding Box၊ Semantic Label၊ Lane Marking	အားလုံး Odometry Benchmark ပာများအတွက် semantic မှတ်စာပါဝင်သည်တစ် ဦး က Datasets ။ ကားများ၊ စက်ဘီးများ၊ စက်ဘီးများ၊ လမ်းသွားလမ်းလာများနှင့်စက်ဘီးစီးသူများအပါအ ၀ င်အမျိုးမျိုးသောရွေ့လျားခြင်းနှင့်ရွေ့လျားခြင်းဆိုင်ရာအမျိုးအစားများကိုမှတ်သားဖော်ပြပေးသည်။	လင့်ခ်
CV	ဗီဒီယို	စတန်းဖို့ဒ်ယူနီဖောင်းမှစတန်းဖို့ဒ်ခရီးစဉ်။ အမေရိကန်	မော်တော်ယာဉ်	အရာဝတ္ထုထောက်လှမ်းခြင်း / အမျိုးအစားခွဲခြားခြင်း LiDAR, GPS, Codes	Velodyne HDL-14,000E S64 LIDAR မှလေ့လာခဲ့သောသဘာဝအရမြင်ကွင်းများတွင်တံဆိပ်ကပ်ထားသောအရာဝတ္ထုပုဒ်ပေါင်း ၁၄၀၀၀ ပါ ၀ င်သည့် Database တစ်ခုသည် 2D Object Recognition အတွက်စက်လေ့လာခြင်းပုံစံများကိုလေ့ကျင့်ရန်အသုံးပြုနိုင်သည်။	လင့်ခ်
CV	ဗွီဒီယို၊	အမေရိကန်ပြည်ထောင်စု Bosch မှ Boxy Dataset	မော်တော်ယာဉ်	Bounding Box / ယာဉ်ရှာဖွေခြင်း	ကားမောင်းခြင်းတွင်ကိုယ်ပိုင်မော်တော်ယာဉ်များအတွက်အရာဝတ္ထုအသိအမှတ်ပြုမှုနည်းဗျူဟာများကိုလေ့ကျင့်ရန်နှင့်ခွဲခြမ်းစိတ်ဖြာရန်အတွက်မှတ်ပုံတင်ထားသောယာဉ် ၂ သန်းပါ ၀ င်သောယာဉ်ရှာဖွေတွေ့ရှိမှုအချက်အလက်များ။	လင့်ခ်
CV	ဗီဒီယို	TME Motorway, Czech Technology Univ ။ , Northern Italy	မော်တော်ယာဉ်	ခညျြနှောငျ Box ကို	စုစုပေါင်း ၂၇ မိနစ်မျှသောဗီဒီယို ၂၈ ခုပါသော Dataset သည် ၃၀၀၀၀+ မော်တော်ယာဉ်မှတ်ပုံတင်ဘောင်ထဲသို့ကွဲသွားသည်။ မှတ်စုများကိုလေဆာကင်နာမှအချက်အလက်များကို သုံး၍ တစ်ဝက်အလိုအလျောက်ထုတ်လုပ်သည်။ ဤအချက်အလက်စုဆောင်းမှုတွင်သိမ်းဆည်းမှုအပြည့်အ ၀ ရရှိသည့်အခြေအနေများစွာကိုဖုံးအုပ်ထားသောအမျိုးမျိုးသောအသွားအလာအခြေအနေများ၊ လမ်းကြောင်းများ၊	လင့်ခ်
CV	ဗီဒီယို	အမေရိကန်ပြည်ထောင်စု Bosch မှကြီးကြပ်မှုမပြုသော Llamas	မော်တော်ယာဉ်	လိန်းအမှတ်အသား, လီဒါ	Unsupervised Llamas Datasets ကို Lidar-based လမ်းသွားအမှတ်အသားများအပါအ ၀ င်အဆင့်မြင့်အလိုအလျောက်မောင်းနှင်မှုမြေပုံများထုတ်ပေးခြင်းဖြင့်မှတ်ချက်ချသည်။ ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရမော်တော်ယာဉ်ကိုဤမြေပုံများနှင့်ကိုက်ညီစေပြီးလမ်းသွားအမှတ်အသားများကိုကင်မရာဘောင်သို့ပြသထားသည်။ 3D projection သည်လေ့လာပြီးသောနှင့်ခန့်မှန်းထားသည့်ပုံရိပ်အမှတ်အသားများအကြားကွာဟမှုကိုအနည်းဆုံးဖြစ်အောင်ပြုလုပ်ခြင်းဖြင့်အကောင်းဆုံးဖြစ်သည်။	လင့်ခ်
NLP	audio	ဖေ့စ်ဘွတ်ခ် AI ဘာသာစုံဘာသာစကားပေါင်းစုံ LibriSpeech (MLS)	ယေဘုယျ	အသံမှတ်ချက် / မိန့်ခွန်းအသိအမှတ်ပြုမှု	Facebook AI Multilingual LibriSpeech (MLS) သည်အလိုအလျောက်မိန့်ခွန်းအသိအမှတ်ပြုခြင်း (ASR) တွင်သုတေသနတိုးတက်စေရန်အထောက်အကူပြုသောကျယ်ပြန့်သောပွင့်လင်းသောအရင်းအမြစ်အချက်အလက်အစုံဖြစ်သည်။ အင်္ဂလိပ်၊ ဂျာမန်၊ ဒတ်ခ်ျ၊ ပြင်သစ်၊ စပိန်၊ အီတလီ၊ ပေါ်တူဂီနှင့်ပိုလန်ဘာသာစကား ၈ မျိုးဖြင့်အသံနာရီ ၅၀,၀၀၀ ကျော်ထောက်ပံ့ပေးသည်။	လင့်ခ်

Datasets ကိုဖွင့်ပါ

AI/ML Models များဖြင့်သင်စတင်နိုင်ရန် Open Source Datasets

AI ဒေတာန်ဆောင်မှုများ

အလုပ်အကိုင်

စက်မှုလုပ်ငန်း

ထုတ်ကုန်များ

ကုမ္ပဏီ

အရင်းအမြစ်များ

ဆက်သွယ်ရန်