2019/09/15 水情監測歷史影像資料集-直潭壩站二號鏡頭

URL: https://scidm.nchc.org.tw/en/dataset/sn_23-2019/resource/8fdfe9e8-46e5-46dd-af82-ff7da72daadd/nchcproxy

From the dataset abstract

本資料集彙整監測站 - 直潭壩站二號鏡頭,2019年度每日歷史影像檔(.jpg)封裝之壓縮檔。 檔名說明: 年度_月_日_測站名稱.zip 全台目前現有監測影像共有1089組監視影像歷史紀錄,監測重要河川、橋梁、堰壩等水利設施,以及易淹水地區,並全年不間斷監測並儲存資料。

Source: 水情監測歷史影像資料集 -2019 直潭壩站二號鏡頭

Embed

This resource view is not available at the moment. Click here for more information.

Download resource

Additional Information

Field Value
Data last updated November 6, 2019
Metadata last updated November 6, 2019
Created November 6, 2019
Format ZIP
License 01 政府資料開放授權
Createdover 4 years ago
Media typeapplication/zip
Size65,889,232
formatZIP
has viewsTrue
id8fdfe9e8-46e5-46dd-af82-ff7da72daadd
last modifiedover 4 years ago
md521c8761c55dd3de2f2f7d1c0eb86dcb4
on same domainTrue
package idf818d64b-fcc2-4398-a0de-3a54d8aa98ca
position150
proxy urlhttps://scidm.nchc.org.tw/en/dataset/f818d64b-fcc2-4398-a0de-3a54d8aa98ca/resource/8fdfe9e8-46e5-46dd-af82-ff7da72daadd/nchcproxy/2019/09/15%20%E6%B0%B4%E6%83%85%E7%9B%A3%E6%B8%AC%E6%AD%B7%E5%8F%B2%E5%BD%B1%E5%83%8F%E8%B3%87%E6%96%99%E9%9B%86-%E7%9B%B4%E6%BD%AD%E5%A3%A9%E7%AB%99%E4%BA%8C%E8%99%9F%E9%8F%A1%E9%A0%AD
revision id95a87ae7-b0e0-4270-9dfc-e70f19eea661
sha256a597e15a302b88df130358fcfbf358031a49c206ce7b1ade4a160baafe10b444
stateactive
url typeupload

推薦資料集:


  • 年度中小企業之行業與各項指標值及比率

    Payment instrument Free
    Update frequency Irregular
    按行業別統計年度中小企業之家數、銷售值、內銷值、出口值、就業人數及受僱人數
  • 桃園市政府教育局志工表揚名單

    Payment instrument Free
    Update frequency Irregular
    桃園市政府教育局志工表揚名單
  • 109年花蓮縣未徵數情形P2-1

    Payment instrument Free
    Update frequency Irregular
    * 一、統計範圍及對象:以轄區內本年度及以前年度查核定開徵未徵起本稅及罰款之件數及金額為統計範圍及對象。 * 統計標準時間:以會計年度(即本年1月1日至本年12月底)之事實為準。
  • 偵查筆錄電腦系統 - 重要應用系統簡介

    Payment instrument Free
    Update frequency Irregular
    偵查筆錄電腦系統-重要應用系統簡介
  • Applicaiton Required

    H11-M06_考慮到例外分佈的病理影像標註品質評估技術

    Payment instrument Free
    Update frequency Irregular
    Method 使用無監督式學習訓練之病理影像異常檢測模型,僅須提供未帶有腫瘤區域的資料來訓練模型,便可協助醫師偵測出病理影像中可能的腫瘤區域。 模型訓練分為兩階段, 第一階段是使用 Self-Supervised Learning 去訓練一個好的 Image Encoder (類似 MoCo) ,第二階段會使用到訓練好的 Encoder...