2019/07/24 水情監測歷史影像資料集-平和橋站固定鏡頭

URL: https://scidm.nchc.org.tw/en/dataset/sn_29-2019/resource/8b057874-340e-46b6-8eca-8bd57f9ca4e6/nchcproxy

From the dataset abstract

本資料集彙整監測站 - 平和橋站固定鏡頭,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 平和橋站固定鏡頭

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 15, 2019
Metadata last updated November 15, 2019
Created November 15, 2019
Format ZIP
License 01 政府資料開放授權
Createdover 5 years ago
Media typeapplication/zip
Size53,797,294
formatZIP
has viewsTrue
id8b057874-340e-46b6-8eca-8bd57f9ca4e6
last modifiedover 5 years ago
md521c8761c55dd3de2f2f7d1c0eb86dcb4
on same domainTrue
package idfb98e35a-d0d8-4fe3-a5d1-21b8cd08ab57
position188
proxy urlhttps://scidm.nchc.org.tw/en/dataset/fb98e35a-d0d8-4fe3-a5d1-21b8cd08ab57/resource/8b057874-340e-46b6-8eca-8bd57f9ca4e6/nchcproxy/2019/07/24%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-%E5%B9%B3%E5%92%8C%E6%A9%8B%E7%AB%99%E5%9B%BA%E5%AE%9A%E9%8F%A1%E9%A0%AD
revision idac353dc2-0070-4c68-98c2-5418ef2cc38b
sha256a597e15a302b88df130358fcfbf358031a49c206ce7b1ade4a160baafe10b444
stateactive
url typeupload

推薦資料集:


  • 加工處各園區空污操作許可證(家數)統計

    Payment instrument Free
    Update frequency Irregular
    提供各園區空污操作許可證統計資料
  • 臺北市回收業機構名冊

    Payment instrument Free
    Update frequency Irregular
    回收業之相關資訊
  • 108年11月花蓮縣地方稅務局滯納及違章罰鍰移送執行情形月報表(本年度)

    Payment instrument Free
    Update frequency Irregular
    *統計地區範圍及對象:凡逾滯納期未經徵起之欠稅費,經移送強制執行者均屬之。 *統計標準時間:本月資料以每月1日至月底,累計資料以每一會計年度起始日至當月底之事實為準。
  • 全國庇護工場名冊

    Payment instrument Free
    Update frequency Irregular
    提供全國庇護工場名冊
  • Applicaiton Required

    H11-M05_基於不精確標註資料的弱監督式病理影像切割模型

    Payment instrument Free
    Update frequency Irregular
    Method: 使用多實例學習訓練WSI的分類與切割模型,只需要給定WSI有無包含腫瘤組織資訊即可訓練具有分割與分類效果的模型。 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 embedder,把patch轉為特徵向量 ,第二階段會使用到訓練好的 Aggregator...