数据资源 | |||||||
|
|||||||
https://paperswithcode.com 数据集一共89页 https://drive.google.com/drive/folders/1oF1OB3Fgd-9MVarUTB4sJYMg1alPZWpt 数据集 https://github.com/VisDrone/VisDrone-Dataset 是一个大规模基准测试,为各种重要的计算机视觉任务精心标注了地面实况,使视觉与无人机相遇。VisDrone2019 数据集由中国天津大学机器学习与数据挖掘实验室的 AISKYEYE 团队收集。 基准数据集由261,908帧和10,209张静态图像组成的288个视频片段组成,由各种无人机安装的相机拍摄,涵盖范围广泛,包括位置(取自中国相隔数千公里的14个不同城市), 环境(城市和乡村)、物体(行人、车辆、自行车等)和密度(稀疏和拥挤的场景)。请注意,数据集是使用各种无人机平台(即具有不同型号的无人机)、 在不同场景下以及在各种天气和光照条件下收集的。这些框架是用超过 260 万个经常感兴趣的目标的边界框手动注释的, 例如行人、汽车、自行车和三轮车。还提供了一些重要的属性,包括场景可见性、对象类别和遮挡,以便更好地利用数据。 https://lafi.github.io/LPN/ 停车场数据集 https://www.aicitychallenge.org/ CityFlow 是一个城市规模的交通摄像头数据集,由来自 10 个路口的 40 个摄像头的 3 个多小时的同步高清视频组成,两个同步摄像头之间的最长距离为 2.5 公里。 该数据集包含超过 20 万个带注释的边界框,涵盖广泛的场景、视角、车辆模型和城市交通流状况。 提供相机几何和校准信息以帮助时空分析。此外,基准的一个子集可用于基于图像的车辆重新识别 (ReID) 任务。 https://github.com/TuSimple/tusimple-benchmark 该TuSimple数据集包括对美国公路6,408路图像。图像分辨率为1280×720。该数据集由 3626 个用于训练、358 个用于验证和 2782 个用于测试,称为 TuSimple 测试集,其中的图像在不同的天气条件下。 https://paperswithcode.com/dataset/fmow 世界功能地图 (fMoW) 是一个数据集,旨在激发机器学习模型的开发,该模型能够从卫星图像的时间序列和丰富的元数据特征中预测建筑物和土地使用的功能目的。 https://www.votchallenge.net/vot2014/dataset.html 2014 年视觉对象跟踪挑战 该数据集包含 25 个短序列,显示具有挑战性的背景中的各种物体。八个序列来自 VOT2013 挑战(螺栓、自行车、大卫、潜水、体操、手、遮阳伞、女人)。 新序列显示了互补的物体和背景,例如水下的鱼或乘风破浪的冲浪者。使用基于聚类对象和背景的视觉特征的方法从大量序列中选择序列,以便这 25 个序列均匀地从现有序列中采样 https://github.com/MoonBlvd/tad-IROS2019 各种交通事故的新数据集。 https://paperswithcode.com/dataset/ochuman 该数据集侧重于严重遮挡的人类,具有全面的注释,包括边界框、人类姿势和实例掩码。该数据集包含 5081 个图像中的 13,360 个精心注释的人类实例。 每个人的平均 MaxIoU 为 0.573,OCHuman是与人类相关的最复杂和最具挑战性的数据集。 https://paperswithcode.com/dataset/ccpd 中国城市停车数据集 在中国城市停车数据集(文建会)是车牌检测与识别的数据集。它包含超过 25 万张独特的汽车图像,带有车牌位置注释。 https://paperswithcode.com/dataset/watch-n-patch 在观看正补丁数据集是与所述焦点上模拟人类的活动,包括:在完全无监督设置多个动作创建。它是用 Microsoft Kinect One 传感器收集的,总时长约 230 分钟,分为 458 个视频。 7名受试者在8个办公室和5个复杂背景的厨房中进行人类日常活动。此外,骨架数据作为地面实况注释提供。 https://paperswithcode.com/dataset/touchdown-dataset Touchdown 是一个用于在视觉现实世界环境中执行导航指令和解析空间描述的语料库。任务是按照指令到达目标位置,并在那里找到一个隐藏的物体,触地熊 https://paperswithcode.com/dataset/uavid UAVid 是作为补充的高分辨率无人机语义分割数据集,它带来了新的挑战,包括大尺度变化、运动目标识别和时间一致性保持。UAV 数据集包含 30 个视频序列, 以倾斜视图捕获 4K 高分辨率图像。总共有 300 张图像被密集标记为 8 个类别用于语义标记任务。 https://paperswithcode.com/dataset/ubi-fights UBI-Fights - UBI-Fights 数据集针对特定的异常检测并在战斗场景中仍然提供广泛的多样性,是一个独特的新大型数据集,包含 80 小时的视频,在帧级别完全注释。 由1000个视频组成,其中216个视频包含打斗事件,784个是正常的日常生活场景。删除了所有可能干扰学习过程的不必要的视频片段(例如,视频介绍、新闻等)。 https://paperswithcode.com/dataset/grid QMUL underGround Re-IDentification ( GRID ) 数据集包含 250 个行人图像对。每对包含从不同相机视图看到的同一个人的两张图像。 所有图像都是从安装在繁忙地铁站的 8 个不相交的摄像机视图中捕获的。旁边的图显示了数据集中站和样本图像的每个相机视图的快照。由于姿势、颜色、光照变化的变化,数据集具有挑战性; 以及由于空间分辨率低导致的图像质量差 https://paperswithcode.com/dataset/partial-ilids 部分 iLIDS 是一个用于被遮挡的人重新识别的数据集。它包含由 4 个非重叠相机拍摄的 119 个人的 476 张图像。一些图像包含被其他人或行李遮挡的人 https://paperswithcode.com/dataset/mit-traffic MIT Traffic是一个用于研究活动分析和拥挤场景的数据集。它包括一个 90 分钟长的交通视频序列。它是由固定摄像机记录的。场景大小为 720 x 480,分为 20 个剪辑。 https://paperswithcode.com/dataset/pie PIE 是研究交通中行人行为的新数据集。PIE 包含在典型交通场景中使用车载摄像头记录的超过 6 小时的镜头。它还通过与视频片段同步的 OBD 传感器(车速、航向和 GPS 坐标)提供准确的车辆信息。丰富的空间和行为注释可用于可能与自我车辆交互的行人和车辆以及基础设施的相关元素(红绿灯、标志和斑马线)。 有超过 30 万个带标签的视频帧和 1842 个行人样本,使其成为研究交通中行人行为的最大公开数据集。 https://paperswithcode.com/dataset/300-vw 300 Videos in the Wild (300-VW)是一个用于评估野外面部标志跟踪算法的数据集。数据集作者收集了大量野外记录的长面部视频。 每个视频的持续时间约为 1 分钟(25-30 fps)。所有帧都根据 300 W 比赛中使用的相同标记(即面部标志集)(总共 68 个标志)进行了注释。该数据集包括 114 个视频(每个大约 1 分钟)。 https://paperswithcode.com/dataset/vehicle-pose-estimation 我们从宾夕法尼亚州匹兹堡多个十字路口的 18 个移动摄像机捕获的 53,000 张图像中为 100,000 个汽车实例(轿车、SUV、公共汽车和卡车)提供 14 个语义关键点的手动注释。 https://paperswithcode.com/dataset/eurocity-persons EuroCity Persons 数据集提供了城市交通场景中行人、骑自行车者和其他骑手的大量高度多样化、准确和详细的注释。该数据集的图像是在 12 个欧洲国家的 31 个城市的移动车辆上收集的。 EuroCity Persons 在超过 47,300 张图像中手动标记了超过 238,200 个人物实例,比之前用于基准测试的人物数据集大近一个数量级。 该数据集还包含大量的人物方向注释(超过 211,200)。 https://paperswithcode.com/dataset/toronto-3d Toronto-3D是加拿大多伦多MLS系统获取的大规模城市室外点云数据集,用于语义分割。该数据集覆盖了大约 1 公里的道路,由大约 7830 万个点组成。点云有 10 个属性,分为 8 个标记对象类。 https://paperswithcode.com/dataset/urbanloco UrbanLoco 是在高度城市化的环境中收集的地图/定位数据集,具有完整的传感器套件。该数据集包括在旧金山和香港收集的 13 条轨迹,总长度超过 40 公里。 https://paperswithcode.com/dataset/vrai VRAI 是用于基于无人机的智能应用的大规模车辆 ReID 数据集。该数据集由 13, 022 个车辆实例的 137, 613 张图像组成。每个车辆实例的图像由不同位置的两架 DJI 消费级无人机的摄像头拍摄,具有多种视角和飞行高度(15m 至 80m)。 https://paperswithcode.com/dataset/airport 该机场数据集是人重新鉴定的数据集它由39902个图像和在六个摄像机9,651身份。 https://paperswithcode.com/dataset/ssig-segplate 该数据集旨在评估车牌字符分割 (LPCS) 问题。论文《车牌字符分割基准》的实验结果是使用提供白天捕获的 101 辆在轨车辆的数据集获得的。该视频是在 2015 年初使用静态摄像机录制的。 数据集的图像是使用全高清数码相机获取的,并以便携式网络图形 (PNG) 格式提供,每个像素为 1920×1080。每个文件的平均大小为 4.08 兆字节(整个数据集的总大小为 8.60 千兆字节)。 此外,由于有一些方法可以跟踪汽车以利用冗余信息来改善识别结果, 因此我们决定制作一个每辆车具有多个帧的数据集。在这个数据集中,每辆车平均有 19.80 个图像帧(标准差为 4.14) https://paperswithcode.com/dataset/smartcity SmartCity 包含从办公室入口、人行道、中庭、购物中心等 10 个城市场景中收集的总共 50 张图像。 与现有的人群计数数据集有成百上千的行人图像以及几乎所有的图像都是在室外拍摄的, SmartCity 具有图像中行人很少,由室外和室内场景组成:平均行人数仅为 7.4,最小为 1,最大为 14 https://paperswithcode.com/dataset/autsl 安卡拉大学土耳其手语数据集 (AUTSL) 是一个包含孤立的土耳其手语视频的大规模多模式数据集。它包含由 43 个不同的签名者执行的 226 个签名。总共有 38,336 个视频样本。 样本是使用 Microsoft Kinect v2 以 RGB、深度和骨架格式记录的。视频以 512×512 的分辨率提供。 骨架数据包含与512×512数据对齐的签名者身体上的25个连接点的空间坐标,即(x,y)。 https://paperswithcode.com/dataset/apolloscape-trajectory 我们的轨迹数据集由基于相机的图像、激光雷达扫描的点云和手动注释的轨迹组成。它是在中国北京的各种照明条件和交通密度下收集的。更具体地说,它包含高度复杂的交通流,混合了车辆、骑手和行人 https://paperswithcode.com/dataset/cityscapes-panoptic-parts Cityscapes Panoptic Parts 数据集为 Cityscapes 数据集引入了部分感知全景分割注释。它使用选定场景级类的部分级注释扩展了 Cityscapes 数据集的原始全景注释。 https://paperswithcode.com/dataset/incidents 包含由人类注释的 446,684 张图像,涵盖各种场景中的 43 个事件 https://paperswithcode.com/dataset/ost300 OST300是户外场景数据集,包含300张户外场景的测试图片,以及7类纹理丰富的图片的训练集。 https://paperswithcode.com/dataset/pde-dataset 参数偏微分方程数据集 包含参数 PDE 的数据 汉堡方程 达西流 纳维-斯托克斯方程 https://paperswithcode.com/dataset/sysu-30k SYSU-30k包含 30k 个类别的人,大约是 CUHK03(1.3k 类别)和 Market1501(1.5k 类别)的 20 倍,比 ImageNet(1k 类别)大 30 倍。SYSU-30k 包含 29,606,918 张图像。 此外,SYSU-30k 不仅为弱监督 ReID 问题提供了一个大平台,而且提供了一个更具挑战性的测试集,与标准评估的现实设置一致。 https://paperswithcode.com/dataset/sensereid SenseReID 是一个用于评估 ReID 模型的人员重新识别数据集。它是从真实的监控摄像机中捕获的,并且人的边界框是从最先进的检测算法中获得的。该数据集总共包含 1,717 个身份。 https://paperswithcode.com/dataset/ufpr-alpr 该数据集包括来自 150 辆汽车的 4,500 张完全注释的图像(超过 30,000 个 LP 字符),这些图像来自真实世界场景中的 150 辆车,其中车辆和相机(另一辆车内)都在移动。 https://paperswithcode.com/dataset/ui-prmd UI-PRMD 是与患者在物理治疗和康复计划中进行的常见锻炼相关的运动数据集。该数据集包括 10 个康复练习。一个由 10 名健康人组成的样本在两个用于动作捕捉的感觉系统前重复每项运动 10 次:Vicon 光学跟踪器和 Kinect 相机。 数据以 Vicon 和 Kinect 动作捕捉系统提供的骨骼模型中身体关节的位置和角度表示。 https://paperswithcode.com/dataset/3d-vehicle-tracking-simulation-dataset 为了收集3D 车辆跟踪模拟数据集,使用驾驶模拟来获得准确的 3D 边界框注释,而无需人工成本。数据收集和注释管道扩展了之前的工作,如 VIPER 和 FSV,特别是在跨帧链接身份方面。该模拟基于 Grand Theft Auto V,这是一款现代游戏,可在逼真的 3D 世界中模拟正常运转的城市及其周围环境。 请注意,管道是实时的,提供了大规模数据收集的潜力,而 VIPER 需要昂贵的离线处理。 https://paperswithcode.com/dataset/citr-dataset CITR 数据集由实验设计的基本 VCI 场景(前、后和横向 VCI)组成,并为每个行人提供唯一 ID,适用于探索 VCI 的特定方面。 DUT 数据集给出了拥挤的大学校园中两种普通和自然的 VCI 场景,可用于更通用的 VCI 探索 https://paperswithcode.com/dataset/daimler-monocular-pedestrian-detection 在戴姆勒单眼行人检测数据集是在城市环境中的行人检测的数据集。训练集包含 15560 个行人样本(48×96 分辨率的图像剪切)和 6744 个没有行人的额外完整图像,用于提取负样本。测试集包含一个独立的序列, 其中包含超过 21790 个图像和 56492 个行人标签(完全可见或部分遮挡),是在 27 分钟的城市交通中从车辆上捕获的。 https://paperswithcode.com/dataset/notre-dame-cathedral-fire 2019 年 4 月 15 日,巴黎圣母院的大部分结构和尖顶被大火烧毁。世界各地的人们通过媒体和公民分享的图像和视频关注这一悲惨事件。 https://paperswithcode.com/dataset/oxford-road-boundaries 在牛津路边界是设计用于训练和测试数据集的机器学习为基础的道路边界检测和推理方法。 https://paperswithcode.com/dataset/pku-reid 该数据集包含 114 个人,包括从两个不相交的相机视图中捕获的 1824 张图像。对于每个人,在一个相机视图下从八个不同方向捕获八张图像,并标准化为 128x48 像素。 该数据集也随机分为两部分。一个包含 57 个用于训练的个体,另一个包含 57 个用于测试的个体。 https://paperswithcode.com/dataset/pvdn PVDN 是夜间车辆检测数据集,使用由前照灯引起的光反射。它包含夜间农村环境中 346 个不同场景中的 59,746 张带注释的灰度图像。在这些图像中,所有迎面而来的车辆、它们对应的光物体(例如前照灯)和它们各自的光反射(例如护栏上的光反射)都被标记。有了这些信息, 这个数据集就可以研究根据迎面而来的车辆引起的光反射来检测迎面而来的车辆的新方法,早在它们直接可见之前。 https://paperswithcode.com/dataset/rise RISE是用于识别工业烟雾排放的大规模视频数据集。采用公民科学方法与当地社区成员合作,以注释视频剪辑是否有烟雾排放。该数据集包含来自监控三个工业设施的摄像机的 19 个不同视图的 12,567 个剪辑。 这些白天的剪辑跨越两年的 30 天,包括所有四个季节。 https://paperswithcode.com/dataset/raileye3d-dataset 该存储库为 RailEye3D 数据集提供注释,该数据集是针对乘客安全和列车调度自动化的应用程序的列车平台场景集合。它由在奥地利 6 个火车站拍摄的 10 个图像序列组成。 可以通过电子邮件请求相应的图像数据。 https://paperswithcode.com/dataset/surveillance-camera-fight-dataset 数据集是从包含战斗实例的 Youtube 视频中收集的。此外,还包括来自常规监控摄像机视频的一些非战斗序列。* 共有 300 个视频,150 个打架 + 150 个非打架 * 视频长度为 2 秒 * 样本中仅包含与打架相关的部分 https://paperswithcode.com/dataset/ttpla TTPLA是一个公共数据集,它是输电塔 (TT) 和电力线 (PL) 上的航拍图像的集合。可用于输电塔和电力线的检测和分割。 它由 1,100 张分辨率为 3,840×2,160 像素的图像以及手动标记的 8,987 个 TT 和 PL 实例组成。 https://paperswithcode.com/dataset/tusimple-lane TuSimple Lane 是 TuSimple 数据集的扩展,具有 14,336 个车道边界注释。数据集中的每个车道边界都使用 7 个不同的类别进行注释,例如“单虚线”、“双虚线”或“单白色连续”。 https://paperswithcode.com/dataset/undd UNDD 由 7125 张未标记的昼夜图像组成;此外,它有 75 个夜间图像,带有像素级注释,其类相当于 Cityscapes 数据集。 https://paperswithcode.com/dataset/asayar 第一个专用于公路面板中拉丁语(法语)和阿拉伯语场景文本检测的公共数据集。它包含 1800 多张注释良好的图像。该数据集是从摩洛哥公路收集的,并已手动注释。 ASAYAR 数据可用于开发和评估不同语言的交通标志检测和法语或阿拉伯语文本检测 https://paperswithcode.com/dataset/cuhk-square-dataset 中大广场数据集 CUHK Square 数据集用于适应通用行人检测器的迁移学习研究。它包括一个 60 分钟长的交通视频序列。它是由固定摄像机记录的。场景的大小为 720 x 576。 https://paperswithcode.com/dataset/cuhk-occlusion-dataset CUHK 遮挡数据集包括 1,063 张包含行人被遮挡的图像。它用于在拥挤的场景中进行遮挡处理的人体检测。 论文:用于遮挡处理的行人检测的判别深度模型 https://paperswithcode.com/dataset/cityscapes-motion 在都市风景-运动数据集的一个补充由都市风景数据集提供的语义注释,含有2975个训练图像和500个的验证图像。数据集创建者为汽车类别提供手动注释的运动标签。 图像的分辨率为 2048×1024 像素。学习的任务不仅仅是语义分割,还有物体的运动状态。 https://paperswithcode.com/dataset/family101 家庭101 Family101 数据集是跨几代家庭的大规模数据集。它包含 101 个不同姓氏的不同家庭,其中包括 206 个核心家庭,607 个人,拥有 14,816 张图像。数据集由著名的公共家庭组成。 https://paperswithcode.com/dataset/grand-central-station-dataset 中央车站数据集 Grand Central Station 数据集包含一个 50,010 帧的视频,用于场景理解和人群分析。 论文:了解集体人群行为:学习动态行人代理的混合模型 https://paperswithcode.com/dataset/imo IMO(独立移动物体) 带注释的独立移动对象 (IMO) 的数据集。该数据集包含左右图像、立体图像、来自 SGM 的立体视差、车辆标签以及地面实况注释。 https://paperswithcode.com/dataset/kaist-multispectral-pedestrian-detection KAIST 多光谱行人检测基准 KAIST 多光谱行人数据集由取自车辆的 95k 色热对(640x480,20Hz)组成。所有对(人、人、骑自行车者)都经过手动注释,总共有 103,128 个密集注释和 1,182 个独特的行人。 注释包括像 Caltech Pedestrian Dataset 这样的边界框之间的时间对应关系。 https://paperswithcode.com/dataset/kitti-motion KITTI-Motion 所述KITTI-运动数据集包含逐像素语义类别标签和用于从所述原始KITTI数据集采取255倍的图像运动对象的注释。图像分辨率为 1280×384 像素,包含高速公路、居民区和内城的场景。 任务不仅是从语义上分割对象,还要识别它们的运动状态。 https://paperswithcode.com/dataset/lemma 该LEMMA数据集旨在探讨在目标导向的,多主体,多任务与组成原子的行动地面实况标签及其相关联的任务设置的复杂的人类活动的本质。 https://paperswithcode.com/dataset/lisa-vehicle-detection LISA 车辆检测 这是一个用于车辆检测的数据集。它包括: 在一天中的不同时间和照明设置下捕获的三种彩色视频序列:早晨、傍晚、晴天、阴天等。 不同的驾驶环境:高速公路和城市。 不同的交通状况:轻到密的交通 https://paperswithcode.com/dataset/nyc3dcars NYC3DCars 用于现实世界中设置的视觉任务的车辆检测数据库。 https://paperswithcode.com/dataset/tme-motorway-dataset TME 高速公路数据集 “Toyota Motor Europe (TME) Motorway Dataset”由 28 个剪辑组成,总时长约 27 分钟(30000+ 帧),并带有车辆注释。注释是使用激光扫描仪数据半自动生成的。 图像序列选自于 2011 年 12 月在意大利北部高速公路上进行的采集。 该选择包括可变交通情况、车道数量、道路曲率和照明,涵盖了完整采集中存在的大部分条件。 https://paperswithcode.com/dataset/highd-dataseth highD Dataseth(在德国公路上记录的 110 500 辆汽车的公路无人机数据集自然轨迹) 首先,常见的公开数据网站在 https://hao.199it.com/ 都可以搜索到。 https://hao.199it.com/ 除此之外,补充上面没有的一些网站,一共110+,按需选择: 金融财经数据 同花顺数据中心(http://data.10jqka.com.cn/):提供股票债券等金融数据 和讯数据(http://data.hexun.com/):提供各种股票、基金、外汇、债券等实时数据,有付费,有免费 零壹财经(https://www.01caijing.com/data/index.htm):大大小小的网贷数据、排行榜等 金融数据网(http://www.data777.com/):提供每日的黄金、汇率、农产品、汽油价格的相关数据 萝卜投研(https://robo.datayes.com/):提供股市、证券等数据,多以数据研究报告形式展示 金融界(http://data.jrj.com.cn/):提供股市、融资等各种资金流向数据,以及丰富的财报和研报 东方财富网(http://data.eastmoney.com/cjsj/cpi.html):提供多国的股票、财税、行业、消费等大量丰富的经济数据 吉林金融网(http://jr.jl.gov.cn/jrsj/):提供吉林的融资、市场数据 搜狐证券(http://q.stock.sohu.com/mac/macdata.shtml):提供货币、外汇、行业、市场等宏观数据 CCER经济金融数据库(http://new.ccerdata.cn/):提供企业财务年度数据、股票收益数据等数据库下载 香港金融管理局(https://www.hkma.gov.hk/gb_chi/market-data-and-statistics/economic-and-financial-data-for-hong-kong.shtml):提供香港的各种经济及金融数据,以宏观数据为主 世纪未来(http://www.wefore.com/show-model3-7.html):数据服务平台,提供银行业务研究、金融大数据等各种付费数据 新浪财经(http://finance.sina.com.cn/mac/):提供国内国民经济、行业信息、对外经贸、居民收入等各种宏观的经济数据 司尔亚司数据信息有限公司(http://www.ceicdata.com/zh-hans):覆盖超过195+个国家的经济数据库,数据全面但收费 INSEE数据(https://www.insee.fr/en/accueil):法国统计与经济研究院公开数据 投中研究院(https://www.chinaventure.com.cn/cmsmodel/report/list.shtml):提供投资领域的分析报告,网站更新频率较高 互联网数据 营销查询 5118(http://www.5118.com/) / chinaz(http://tool.chinaz.com/):支持查询网站排名及发展趋势、百度收录情况等信息 百度指数(http://index.baidu.com/):百度旗下/以百度网民行为数据为基础的数据分享平台,支持查询需求图谱 微信指数:微信旗下/基于微信大数据分析的移动端指数,打开微信→搜索“微信指数”可用 移动观象台(http://mi.talkingdata.com/):基于移动设备用户的操作行为,提供应用、公众号排行等,以及大量数据报告 新榜(http://www.newrank.cn/public/info/list.html%3Fperiod%3Dweek%26type%3Ddata)/微小宝(http://data.wxb.com/rank)/易赞(http://www.yeezan.com/web/public/search):几款工具比较类似,支持查看公众号排行、看公众号人群画像等功能 阿里指数(http://index.1688.com/):阿里旗下/反映淘宝平台市场动向的数据分析平台 报告分析 易观智库(http://www.199it.com/archives/tag/%E6%98%93%E8%A7%82%E6%99%BA%E5%BA%93):199IT导航的母网站,权威的互联网数据平台,涵盖战略新兴产业、电商互联网、共享经济、社交营销、移动互联网以及其他互联网服务的数据及分析报告 艾瑞网(http://www.iresearch.cn/):高频率更新互联网前沿的新闻资讯、分析报告,旗下包括艾瑞指数、艾瑞咨询等 艾媒网(http://www.iimedia.cn/%23shuju):艾媒与艾瑞无关,艾媒网发布的研究报告多偏向移动互联网方向 CBNDdata(http://www.cbndata.com/report):以阿里巴巴的商业数据库为基础,输出产业经济分析报告 QuestMobile(http://www.questmobile.com.cn/blog.html):周期性地发布一些关于APP的研究报告 阿里研究院(http://www.aliresearch.com/blog/index/lists/tag/3831.html):阿里旗下/发布研究电商等方向趋势的数据报告,内容多与阿里相关 360研究报告(http://zt.360.cn/report/):360旗下/移动、PC、网站、企业、诈骗等安全领域的研究,以及大数据等非安全领域的研究 中国互联网信息研究中心(http://www.cnnic.net.cn/hlwfzyj/):经国家主管部门批准组建的管理和服务机构,经常发布一些有价值的互联网信息报告 中国信通院(http://www.caict.ac.cn/kxyj/qwfb/bps/):针对互联网多个行业的发展趋势,发布白皮书,角度较为宏观 中国互联网数据平台(http://www.cnidp.cn/):提供全国各地区互联网发展报告、基础数据及研究分析报告,数据及报告偏向学术性研究 清博大数据(http://www.gsdata.cn/):提供微信、微博、头条榜单数据,各种研究报告、数据报告、舆情报告及行业热点 数据观(http://www.cbdio.com/):丰富的前沿行业资讯,及部分研究报告下载 腾讯大数据(https://data.qq.com/):数据服务平台,提供调查研究、移动互联网及特色数据报告,质量较高 大数据世界(http://www.thebigdata.cn/):提供大数据相关资讯、应用案例、技术方案及资料下载 地理数据 水土数据 水土保持生态建设网http://www.swcc.org.cn/ 黄河风情http://www.yellowriver.org/ 黄河流域数据中心http://henu.geodata.cn/index.jsp 黄土高原水土保护数据库http://www.loess.csdb.cn/ 数字黑河http://heihe.westgis.ac.cn/Default.aspx?tabid=106 大气科学数据库http://data.iap.ac.cn/ 中国气象科学数据http://cdc.cma.gov.cn/ 中国气象科学数据共享服务网http://cdc.cma.gov.cn/ 全球森林土地覆盖动态http://www.fao.org/gtos/gofc-gold/ FRA 2000http://edcsns17.cr.usgs.gov/glcc/fao/index.html 全球森林资源NOAAhttp://www.noaa.gov/ 美国国家海洋和大气管理局NCDC http://lwf.ncdc.noaa.gov/oa/ncdc.html 美国国家气候数据中心国际水管理研究所http://www.iwmidsp.org/iwmi/info/main.asp 气候研究所http://www.cru.uea.ac.uk/ 植被覆盖数据http://www.vgt.vito.be/ 环境数据 黄土区农业与生态环境数据分中心http://loess.geodata.cn/ 东北黑土农业生态数据库http://www.blackland.csdb.cn/default.asp 中国西部环境与生态科学数据中心http://westdc.westgis.ac.cn/ 西部数据中心http://westdc.westgis.ac.cn/data 黄土高原区域数据共享运行服务中心http://loess.geodata.cn/Portal/?isCookieChecked=true 遥感数据 地面站RS地图查询http://cs.rsgs.ac.cn/cs_cn/query/query_map.asp 甘肃省基础地理信息中心http://www.cehuiju.gansu.gov.cn/5chcg/giscenter.asp 遥感数据网络资源http://ecology.bnu.edu.cn/gejp/student/zhj/webresource.htm 中国遥感数据网http://ids.ceode.ac.cn/GLCF http://glcf.geodata.cn/etm/Welcome.doGIS FORUM http://www.gisforum.net/ 全球最大的GIS中文门户网站遥感数据共享http://ids.ceode.ac.cn/ 其他自然人文数据 地理国情监测云平台http://www.dsac.cn/ 中国资源卫星应用中心http://www.cresda.com/cn/profile.htm 中国自然资源数据库http://www.data.ac.cn/index.asp 中国科学院资源环境科学数据中心http://www.resdc.cn/resdc/first.asp 中国地球系统科学数据共享网http://www.geodata.cn:8086/Metadata/index.jsp 国家地球系统科学数据共享服务平台http://www.geodata.cn/http://pm25.in 中国空气质量监测实时数据http://pm25.in/ 国际科学数据服务平台http://datamirror.csdb.cn/index.jsp 原始数据搜索https://wist.echo.nasa.gov/api 中国科学院资源环境科学数据中心http://www.resdc.cn/resdc/first.asp 世界聚集人口数据http://beta.sedac.ciesin.columbia.edu/gpw/index.jsp 光谱数据分析网站http://modis.gsfc.nasa.gov/ 美国航空航天局NASAhttp://daac.gsfc.nasa.gov/ 城市轨道交通http://www.ntsg.umt.edu/ 人地系统主题数据库http://webpanda.iis.u-tokyo.ac.jp 影像数据 USGS Earth Explorer(http://earthexplorer.usgs.gov/):提供Landsat、MODIS等数据 ESA’s Sentinel Mission(https://scihub.copernicus.eu/dhus/%23/home):提供Sentinel系列卫星数据,可以下载欧洲航天局所属的影像数据 NOAA CLASS(http://www.class.noaa.gov/):提供高品质大气数据集,包括美国国防部(DoD)、极地作战环境卫星(POES)、NOAA的地球静止环境卫星(GOES)以及其他派生数据 NASA Reverb(https://reverb.echo.nasa.gov/reverb/%23utf8%3D%E2%9C%93%26spatial_map%3Dsatellite%26spatial_type%3Drectangle):提供多种类数据,包括:Aqua, Terra, Aura, TRMM, Calipso, NASA DC, JASON, ENVISAT等 EOLi(https://earth.esa.int/web/guest/eoli):欧洲航天局的地球观测目录和订购服务的客户,通过Java 程序下载数据,支持的数据包括:Envisat, ERS, IKONOS, DMC, ALOS, SPOT, Kompsat, Proba, IRS, SCISAT. INPE(http://www.dgi.inpe.br/CDSR/):提供中巴资源卫星数据 Bhuvan Indian Geo-Platform of ISRO(http://bhuvan.nrsc.gov.in/data/download/index.php):提供印度境内的MS-1, Cartosat,,OceanSat and ResourceSat数据以及全球的NVDI数据、南亚国家的CartoDem Version -3R1数据和北印度洋的气候数据 政府数据 新加坡政府公开数据(https://data.gov.sg/):提供新加坡各类数据 美国政府公开数据(https://www.data.gov/):提供美国全国各类数据 法国政府公开数据(https://www.data.gouv.fr/en/):法国政府开放数据平台 英国政府公开数据(https://data.gov.uk/):提供英国各类数据 国家数据(http://data.stats.gov.cn/):中国国家统计局权威数据 中国统计年鉴(http://www.stats.gov.cn/tjsj/ndsj/):1999年至今中国统计年鉴,国家统计局官网,提供单页Excel文件下载 中国统计信息网(http://www.tjcn.org/):全国及各级政府各年度统计公报、年鉴等,为收费数据 年鉴汪(http://www.nianjianwang.com/):全国城市统计数据搜索引擎,浏览免费,下载收费 伦敦市公开数据(https://data.london.gov.uk/):提供伦敦人口、就业、环境等各类数据 国土资源部(http://data.mlr.gov.cn/)国土资源部对外公开的信息报告,内容权威 其他细分行业数据 图片 中研网数据(http://www.chinairn.com/data/):提供医疗、房产、制造业、服务业、零售消费、车辆等全行业数据 中国报告大厅(http://www.chinabgao.com/stat):提供各行各业的基础数据、调查报告、分析报告、预测报告,种类丰富 CADMAPPER(https://cadmapper.com/):世界各大城市的DXF文件,原始数据源为OSM,NASA,USGS 亚马逊网络服务公共数据集(http://aws.amazon.com/cn/datasets/%3Fnc1%3Dh_ls):跨科学云数据平台,包含化学、生物、经济等多个领域的数据集 Awesome Public Datasets(https://github.com/caesar0301/awesome-public-datasets):Github公共数据搜集项目,自然科学、社会科学覆盖较面,包含各个细分领域的数据库资源。 figshare(https://figshare.com/):数据分析与研究成果共享平台。 英国公开数据浏览工具(http://ukdataexplorer.com/):James Trimble制作的英国数据可视化浏览工具集; 数据法国(https://datafrance.info/):法国各类数据的可视化呈现; DataEye(https://www.dataeye.com/report):基于国内游戏、汽车行业数据,进行多角度的行业调查报告撰写发布 CBO中国票房(http://www.cbooo.cn/):基于国内票房数据,统计票房排行、上座率等信息。 易车指数(http://index.bitauto.com/):反映国内汽车销售市场,为购车者或汽车从业者提供参考的数据指数 高德地图(http://report.amap.com/detail.do%3Fcity%3D110000):支持实时查看国内交通情况,此外高德周期性提供一系列数据报告 房天下(http://fdc.fang.com/index/):提供中国指数研究院和CREIS中指数据,展示国内房地产数据情况 艺恩(http://www.entgroup.com.cn/bg.aspx):CBO中国票房数据的提供方,提供一些行业数据报告,如动漫IP价值研究报告 其他数据:
|
【打印本页】 【关闭本页】 |