| +એનએલપી |
લખાણ |
એમેઝોન સમીક્ષાઓ |
ઇ કોમર્સ |
સેન્ટિમેન્ટ એનાલિસિસ |
લિંક |
| વર્ણન |
છેલ્લા ૧૮ વર્ષથી ૩૫ મિલિયન સમીક્ષાઓ અને રેટિંગનો સમૂહ, વપરાશકર્તા અને ઉત્પાદન વિગતો સાથે સાદા ટેક્સ્ટમાં.
|
| +એનએલપી |
લખાણ |
વિકિપીડિયા લિંક્સ ડેટા |
જનરલ |
|
લિંક |
| વર્ણન |
વિકિપીડિયામાંથી ૧.૯ અબજ શબ્દો ધરાવતા ૪ મિલિયનથી વધુ લેખો. દરેક લેખમાં સંકળાયેલ એન્ટિટી માટે હાઇપરલિંક્સ હોય છે.
|
| +એનએલપી |
લખાણ |
સ્ટેન્ડફોર્ડ સેન્ટિમેન્ટ ટ્રીબેંક |
મનોરંજન |
સેન્ટિમેન્ટ એનાલિસિસ |
લિંક |
| વર્ણન |
10,000 થી વધુ રોટન ટોમેટોઝ મૂવી સમીક્ષા વાક્યો માટે સેન્ટિમેન્ટ એનોટેશન ડેટાસેટ. શબ્દસમૂહ સ્તરે ઉપલબ્ધ - દરેક વાક્ય પેન ટ્રીબેંક ફોર્મેટમાં પાર્સ ટ્રીનું દ્વિસંગીકરણ કરીને પેટા-શબ્દસમૂહોમાં વિશ્લેષિત થાય છે.
|
| +એનએલપી |
લખાણ |
ટ્વિટર યુએસ એરલાઇન સેન્ટિમેન્ટ |
એરલાઈન |
સેન્ટિમેન્ટ એનાલિસિસ |
લિંક |
| વર્ણન |
૨૦૧૫માં યુએસ એરલાઇન્સ પર કરવામાં આવેલા ટ્વીટ્સ સકારાત્મક, તટસ્થ અને નકારાત્મક લાગણીઓમાં વિભાજિત થયા.
|
| +CV |
છબી |
ઈમેનેટ |
જનરલ |
|
લિંક |
| વર્ણન |
ડેટાસેટ જેમાં 14 મિલિયનથી વધુ છબીઓ વિવિધ ફાઇલ ફોર્મેટમાં લગભગ 21,000 સિનસેટ્સ સાથે મેપ કરવામાં આવી છે. સિનસેટ્સ એ સિનોમીમ્સ છે જેમાં સંકળાયેલ એન્ટિટીઓ છબી તરીકે હાજર હોય છે. 1 મિલિયન છબીઓમાં બાઉન્ડિંગ બોક્સ હોય છે અને 1 મિલિયનથી વધુ છબીઓમાં SIFT સુવિધાઓ હોય છે.
|
| +CV |
છબી |
ગુગલની ખુલ્લી છબીઓ |
જનરલ |
|
લિંક |
| વર્ણન |
600 શ્રેણીઓ સાથે ImageNet જેવું જ ડેટાસેટ. વિકાસ, માન્યતા અને તાલીમ વિભાજનમાં ઉપલબ્ધ છે. કેટલીક છબીઓમાં બાઉન્ડિંગ બોક્સ અને દ્રશ્ય સંબંધો પણ શામેલ છે.
|
| +એનએલપી |
લખાણ |
કોર્નેલ મૂવી ડાયલોગ્સ |
મનોરંજન |
સંવાદો |
લિંક |
| વર્ણન |
પાત્રો અને ફિલ્મોના મેટાડેટા સાથે કાલ્પનિક વાતચીતોનો સંગ્રહ. દરેક પંક્તિ બે લોકો વચ્ચેનો સંવાદ છે, પ્રશ્ન-જવાબના સ્વરૂપમાં.
|
| વર્ણન |
એપ્રિલ 2007 અને ઓક્ટોબર 2007 વચ્ચે યાહૂ આન્સર્સ પોર્ટલ પરથી પ્રશ્નો અને જવાબો સાથેનો પ્રશ્ન-જવાબ ડેટાસેટ.
|
| +એનએલપી |
લખાણ |
એમએસ માર્કો |
જનરલ |
પ્રશ્નનો જવાબ |
લિંક |
| વર્ણન |
Bing ના વેબ સર્ચ લોગમાંથી ટીકાઓ સાથેનો પ્રશ્ન-જવાબ ડેટાસેટ. દરેક પ્રશ્નમાં વપરાશકર્તા દ્વારા આપવામાં આવેલ જવાબ, તેમજ વેબ ફકરાઓ શામેલ હોય છે જેમાં જવાબ હોય છે.
|
| +એનએલપી |
લખાણ |
કુદરતી પ્રશ્નો ડેટાસેટ |
જનરલ |
પ્રશ્નનો જવાબ |
લિંક |
| વર્ણન |
ગુગલ દ્વારા પ્રકાશિત, આ ડેટાસેટમાં વિકિપીડિયા લેખોમાંથી વાસ્તવિક વપરાશકર્તા પ્રશ્નો અને જવાબો શામેલ છે.
|
| +એનએલપી |
લખાણ |
ડીબીપીડિયા |
જનરલ |
જ્ઞાન ગ્રાફ |
લિંક |
| વર્ણન |
વિકિપીડિયાનું સ્ટ્રક્ચર્ડ રેન્ડરિંગ, જેમાં એન્ટિટી અને સંબંધોને નોલેજ ગ્રાફ તરીકે કાઢવામાં આવ્યા છે.
|
| +એનએલપી |
લખાણ |
યાગો |
જનરલ |
જ્ઞાન ગ્રાફ |
લિંક |
| વર્ણન |
વિકિપીડિયા, વર્ડનેટ અને જીઓનામ્સમાંથી એન્ટિટી અને સંબંધો ધરાવતો જ્ઞાન ગ્રાફ.
|
| +એનએલપી |
લખાણ |
ફ્રીબેઝ |
જનરલ |
જ્ઞાન ગ્રાફ |
લિંક |
| વર્ણન |
એક ક્રાઉડ-સોર્સ્ડ નોલેજ બેઝ જેમાં એન્ટિટી અને સંબંધોનો સમાવેશ થાય છે, જે હવે ગૂગલ નોલેજ ગ્રાફમાં સમાવિષ્ટ છે.
|
| +એનએલપી |
લખાણ |
ઓન્ટોનોટ્સ |
જનરલ |
સિમેન્ટીક રોલ લેબલિંગ |
લિંક |
| વર્ણન |
CoNLL શેર કરેલા કાર્યોમાં ઉપયોગમાં લેવાતા વાક્યરચના, અર્થપૂર્ણ અને વાર્તાલાપ-સ્તરની ટીકાઓ સાથેનો સંગ્રહ.
|
| વર્ણન |
વ્યક્તિ, સંસ્થા અને સ્થાન જેવા નામાંકિત એન્ટિટી માટે ટિપ્પણી કરેલો અંગ્રેજી ડેટાસેટ.
|
| +CV |
છબી |
કોકો |
જનરલ |
ઑબ્જેક્ટ શોધ |
લિંક |
| વર્ણન |
સંદર્ભમાં સામાન્ય વસ્તુઓ: ઑબ્જેક્ટ શોધ, વિભાજન અને કૅપ્શનિંગ માટે સમૃદ્ધપણે ટિપ્પણી કરેલ ડેટાસેટ.
|
| +CV |
છબી |
પાસ્કલ VOC |
જનરલ |
ઑબ્જેક્ટ શોધ |
લિંક |
| વર્ણન |
ઑબ્જેક્ટ શોધ અને વિભાજન પડકારો માટે એક બેન્ચમાર્ક ડેટાસેટ.
|
| +CV |
છબી |
સિટીસ્કેપ્સ |
સ્વાયત્ત ડ્રાઈવિંગ |
સિમેન્ટીક સેગ્મેન્ટેશન |
લિંક |
| વર્ણન |
30 વર્ગો માટે પિક્સેલ-સ્તરની ટીકાઓ સાથે શહેરી દ્રશ્ય સમજણ માટે ડેટાસેટ.
|
| +CV |
છબી |
MNIST |
જનરલ |
અંક વર્ગીકરણ |
લિંક |
| વર્ણન |
28x28 પિક્સેલના 60,000 તાલીમ અને 10,000 પરીક્ષણ છબીઓ સાથે હસ્તલિખિત અંકોનો ડેટાસેટ.
|
| +CV |
છબી |
ફેશન-એમએનઆઈએસટી |
રિટેલ |
છબી વર્ગીકરણ |
લિંક |
| વર્ણન |
ઝાલાન્ડોના લેખની છબીઓનો ડેટાસેટ MNIST જેવા જ ફોર્મેટમાં, જેનો ઉપયોગ બેન્ચમાર્કિંગ માટે ડ્રોપ-ઇન રિપ્લેસમેન્ટ તરીકે થાય છે.
|
| +એનએલપી |
ઓડિયો |
લિબ્રી સ્પીચ |
જનરલ |
એએસઆર |
લિંક |
| વર્ણન |
ઑડિઓબુક્સમાંથી મેળવેલા વાંચેલા અંગ્રેજી ભાષણનો સંગ્રહ, જેમાં 1000 કલાકના ભાષણ અને સંકળાયેલા લખાણો છે.
|
| +એનએલપી |
ઓડિયો |
ટેડ-લિયમ |
જનરલ |
એએસઆર |
લિંક |
| વર્ણન |
વાણી ઓળખ સંશોધન માટે ઑડિઓ અને સંરેખિત ટ્રાન્સક્રિપ્શન સાથે ટ્રાન્સ્ક્રાઇબ કરેલ TED વાતો.
|
| +એનએલપી |
ઓડિયો |
ટિમિટ |
જનરલ |
ફોનમી ઓળખ |
લિંક |
| વર્ણન |
અમેરિકન અંગ્રેજી બોલનારાઓની ધ્વન્યાત્મક રીતે લિપિબદ્ધ વાણી, જેનો વ્યાપકપણે ફોનિમ ઓળખ કાર્યો માટે ઉપયોગ થાય છે.
|
| +એનએલપી |
ઓડિયો |
સામાન્ય અવાજ |
જનરલ |
એએસઆર |
લિંક |
| વર્ણન |
વિશ્વભરના સ્વયંસેવકો દ્વારા પ્રદાન કરાયેલ વાંચેલા ભાષણનો બહુભાષી સંગ્રહ.
|
| +એનએલપી |
ઓડિયો |
વોક્સસેલેબ |
જનરલ |
વક્તાની ઓળખ |
લિંક |
| વર્ણન |
YouTube વિડિઓઝમાંથી એકત્રિત કરાયેલ મોટા પાયે વક્તા ઓળખ ડેટાસેટ.
|
| +એનએલપી |
લખાણ |
વિકિપીડિયા ડમ્પ |
જનરલ |
ભાષા મોડેલિંગ |
લિંક |
| વર્ણન |
વિકિપીડિયા લેખોના સંપૂર્ણ લખાણ ડમ્પ, નિયમિતપણે અપડેટ થાય છે, જેનો ઉપયોગ ભાષા મોડેલોને પૂર્વ-તાલીમ આપવા માટે થાય છે.
|
| +એનએલપી |
લખાણ |
ગીગાવર્ડ |
સમાચાર - HUASHIL |
ભાષા મોડેલિંગ |
લિંક |
| વર્ણન |
બહુવિધ સમાચાર એજન્સીઓમાંથી ન્યૂઝવાયર ટેક્સ્ટ ડેટાનો વ્યાપક આર્કાઇવ.
|
| +એનએલપી |
લખાણ |
IMDB સમીક્ષાઓ |
મનોરંજન |
સેન્ટિમેન્ટ એનાલિસિસ |
લિંક |
| વર્ણન |
બાઈનરી સેન્ટિમેન્ટ વર્ગીકરણ માટે મોટો મૂવી રિવ્યૂ ડેટાસેટ.
|
| +CV |
વિડિઓ |
ગતિશાસ્ત્ર-700 |
જનરલ |
ક્રિયા ઓળખ |
લિંક |
| વર્ણન |
700 માનવ ક્રિયા વર્ગોને આવરી લેતી YouTube વિડિઓ ક્લિપ્સનો મોટા પાયે, ઉચ્ચ-ગુણવત્તાવાળા ડેટાસેટ.
|
| +CV |
વિડિઓ |
યુસીએફ 101 |
જનરલ |
ક્રિયા ઓળખ |
લિંક |
| વર્ણન |
૧૦૧ એક્શન શ્રેણીઓ સાથે, વાસ્તવિક એક્શન વિડિઓઝનો ડેટાસેટ.
|
| +CV |
વિડિઓ |
એચએમડીબી51 |
જનરલ |
ક્રિયા ઓળખ |
લિંક |
| વર્ણન |
51 ક્રિયા શ્રેણીઓ સાથેનો એક વિશાળ માનવ ગતિ વિડિઓ ડેટાબેઝ.
|
| વર્ણન |
ચહેરાના ફોટોગ્રાફ્સનો ડેટાબેઝ જે અનિયંત્રિત ચહેરાની ઓળખનો અભ્યાસ કરવા માટે રચાયેલ છે.
|
| +CV |
છબી |
CASIA-વેબફેસ |
જનરલ |
ફેસ માન્યતા |
લિંક |
| વર્ણન |
ઊંડા ચહેરા ઓળખ મોડેલોને તાલીમ આપવા માટે લાખો ચહેરાની છબીઓ ધરાવતો ડેટાસેટ.
|
| +એનએલપી |
લખાણ |
ટુકડી |
જનરલ |
ગમ વાંચન |
લિંક |
| વર્ણન |
સ્ટેનફોર્ડ પ્રશ્ન જવાબ ડેટાસેટ: વિકિપીડિયા લેખોના સેટ પર ભીડકામદારો દ્વારા પૂછવામાં આવેલા પ્રશ્નો.
|
| વર્ણન |
સીએનએન સમાચાર લેખો પર આધારિત પ્રશ્નો અને જવાબો સાથેનો મશીન સમજણ ડેટાસેટ.
|
| +એનએલપી |
લખાણ |
મલ્ટીએનએલઆઈ |
જનરલ |
કુદરતી ભાષા અનુમાન |
લિંક |
| વર્ણન |
બહુવિધ શૈલીઓમાં વાક્ય-જોડી કુદરતી ભાષા અનુમાન માટેનો ડેટાસેટ.
|
| +એનએલપી |
લખાણ |
એસએનએલઆઈ |
જનરલ |
કુદરતી ભાષા અનુમાન |
લિંક |
| વર્ણન |
સ્ટેનફોર્ડ નેચરલ લેંગ્વેજ ઇન્ફરન્સ કોર્પસ જેમાં વાક્ય જોડીઓને એન્ટેલમેન્ટ, વિરોધાભાસ અથવા તટસ્થ તરીકે લેબલ કરવામાં આવે છે.
|
| વર્ણન |
વિકિપીડિયા પર ચકાસાયેલ સારા અને ફીચર્ડ લેખોના સમૂહમાંથી કાઢવામાં આવેલા ૧૦ કરોડથી વધુ ટોકન્સનો સંગ્રહ.
|
| વર્ણન |
કારના 196 વર્ગોના 16,185 છબીઓનો ડેટાસેટ.
|
| +CV |
છબી |
ઓક્સફર્ડ ફ્લાવર્સ ૧૦૨ |
વનસ્પતિશાસ્ત્ર |
સૂક્ષ્મ વર્ગીકરણ |
લિંક |
| વર્ણન |
યુનાઇટેડ કિંગડમમાં સામાન્ય રીતે જોવા મળતા 102 ફૂલોના વર્ગો.
|
| +CV |
છબી |
CIFAR-10 |
જનરલ |
છબી વર્ગીકરણ |
લિંક |
| વર્ણન |
10 વર્ગોની છબીઓ: વિમાન, ઓટોમોબાઈલ, પક્ષી, બિલાડી, હરણ, કૂતરો, દેડકા, ઘોડો, જહાજ અને ટ્રક.
|
| +CV |
છબી |
CIFAR-100 |
જનરલ |
છબી વર્ગીકરણ |
લિંક |
| વર્ણન |
CIFAR-10 જેવો ડેટાસેટ, પરંતુ 100 સૂક્ષ્મ વર્ગો સાથે.
|
| +CV |
છબી |
VOC વ્યક્તિ લેઆઉટ |
જનરલ |
પોઝ અંદાજ |
લિંક |
| વર્ણન |
PASCAL VOC નો એક ભાગ જે માથું, હાથ અને પગ જેવા વ્યક્તિના લેઆઉટ એનોટેશન પર ધ્યાન કેન્દ્રિત કરે છે.
|
| +CV |
છબી |
MPII માનવ પોઝ |
જનરલ |
પોઝ અંદાજ |
લિંક |
| વર્ણન |
લગભગ 25,000 છબીઓ જેમાં 40,000 થી વધુ લોકોના શરીરના સાંધાઓ પર ટિપ્પણીઓ છે.
|
| વર્ણન |
ટેક્સ્ટ વર્ગીકરણ સંશોધન માટે રોઇટર્સ ન્યૂઝવાયર લેખોનો સંગ્રહ.
|
| +એનએલપી |
લખાણ |
20 સમાચાર જૂથો |
જનરલ |
ટેક્સ્ટ વર્ગીકરણ |
લિંક |
| વર્ણન |
20,000 ન્યૂઝગ્રુપ દસ્તાવેજોનો સંગ્રહ 20 અલગ અલગ ન્યૂઝગ્રુપમાં વિભાજિત.
|
