多领域高质量数据集

核心定义

K12适配的数字化教辅与课外读物数据集，含可检索文本、分级阅读标注。

核心内容

• 教辅电子书：同步教辅、知识点精讲、练习册数字化
• 课外电子书：分级阅读读物、名著、科普读物，适配不同学段

应用场景

数字阅读平台、AI答疑素材、分级阅读系统、内容检索

核心定义

覆盖手写/印刷混排的结构化表格数据集，含单元格标注、行列定位、内容识别标注结果。

核心内容

• 办公表格：考勤表、统计表、申请表，印刷+手写填写
• 教育表格：答题卡、成绩单、学籍表，学生手写填写
• 政务/财务表格：申报单、报销表、登记表，格式标准化
• APP截屏（71万张）：各类应用界面、数据面板，结构化元素标注

应用场景

表格自动录入、表单OCR识别、政务/财务数据自动化、教育答题卡识别

核心定义

K12全学科标准化教育视频数据集，含高清授课画面、精准字幕与知识点结构化标注结果。

核心内容

• 同步授课：各年级教材同步精讲，覆盖各版本教材
• 真题讲解：中高考/期末真题解析，含解题思路标注
• 素养拓展：科普、作文、思维训练，适配全学段

应用场景

教育AI训练、智能课程拆解、视频字幕识别、知识点智能提取

核心定义

全场景人物动态影像数据集，含多姿态/多表情/多场景人像，配套行为与特征结构化标注。

核心内容

• 日常行为：行走、交谈、手势等基础动作，多环境采集
• 表情神态：喜怒哀乐等基础表情，覆盖不同年龄/性别
• 特定姿态：办公、学习、运动等场景化姿态，精准标注

应用场景

人像识别、行为分析、表情检测、人机交互、智能监控

核心定义

全场景机器视觉标注数据集，含环境感知、事件识别类影像，配套目标检测、行为分析结构化标注结果。

核心内容

• 扫地机视觉（35万帧）：家居环境障碍物/地面纹理/家具轮廓，多户型/光线采集
• 第一车祸视觉（500段）：道路场景事故画面/车辆行为/路况标识，多时段/路况采集
• 道路采集（4万帧）：多路况/时段道路场景，含车辆、标识、路况标注
• 火焰视频（600万段）：多场景火情画面，含火焰形态、蔓延过程、环境标注

应用场景

扫地机避障算法训练、交通事件智能识别、机器视觉感知、自动驾驶辅助训练

核心定义

覆盖小学至高中全学科、全年级的标准化试卷数据集，包含试卷原文、题目标注、答案解析、知识点标签等结构化信息。

核心内容

• 试卷原文（高清扫描件、结构化文本）
• 题目标注（题型、难度、分值、考点）
• 答案解析（标准答案、解题思路、易错点）

应用场景

智能作业批改系统、AI教育辅导机器人、个性化学习推荐、题库智能生成。

核心定义

整合A股/港股/美股等上市企业多维度财务数据，经标准化清洗、校验、结构化处理后形成的专业数据集，覆盖企业全生命周期财务指标。

核心内容

• 企业基础信息（股票代码、所属行业、上市地点）
• 三大财务报表核心指标（资产负债、利润、现金流量）
• 衍生分析指标（ROE、毛利率、资产负债率等）

应用场景

投资决策分析、企业信贷风险评估、金融量化策略开发、行业财务趋势研究。

核心定义

经医疗机构授权、脱敏处理的专业医疗影像数据集，包含各类影像原始数据与医学标注信息，符合医疗数据合规要求。

核心内容

• 常规影像（X光、CT、MRI、超声图像）
• 标注信息（病灶位置、大小、类型、分级）
• 临床信息（患者基本信息、诊断结论、治疗方案）

应用场景

医学影像AI辅助诊断、疾病筛查系统开发、医疗教学培训、新药研发数据分析。

核心定义

涵盖各类司法文书的结构化数据集，经专业法律人员标注、分类、解析，包含文书全文、关键信息提取、法律条款关联等内容。

核心内容

• 文书类型（判决书、裁定书、起诉状、调解书）
• 关键信息（案由、当事人、判决结果、法律依据）
• 条款关联（关联法律法规、司法解释、案例）

应用场景

智能法律咨询系统、法律文书自动生成、案件趋势分析、司法大数据研究。

核心定义

收录台湾地区珍贵古籍、地方志、文献典籍的数字化数据集，经高清扫描、OCR识别、文字校勘后形成结构化文本。

核心内容

• 古籍类型（地方志、文史典籍、民间文献、族谱）
• 文本信息（原文、标点标注、简体转换、注释）
• 元数据（成书年代、作者、版本、馆藏信息）

应用场景

古籍数字化保护、历史文化研究、智能古籍检索、两岸文化交流数据分析。

核心定义

覆盖全品类商品的条码标准化数据集，包含条码编码、商品信息、品牌分类等结构化数据，适配零售、物流等场景应用。

核心内容

• 条码信息（EAN-13、UPC、二维码等编码）
• 商品属性（名称、规格、品牌、产地、价格）
• 分类信息（行业分类、品类层级、适用场景）

应用场景

零售收银系统、物流仓储管理、商品溯源、电商商品信息自动录入。

核心定义

整合国内外核心学术期刊论文的结构化数据集，包含论文全文、元数据、关键词、引文关系等专业信息，覆盖多学科领域。

核心内容

• 论文元数据（标题、作者、单位、发表时间、期刊等级）
• 内容信息（摘要、关键词、正文、参考文献）
• 学术指标（被引量、下载量、被收录情况）

应用场景

学术文献检索系统、科研趋势分析、智能论文写作辅助、高校学科建设评估。