包含划分好的数据集、类别class文件、数据可视化脚本包含划分好的数据集和可视化脚本

5星

浏览量: 0

大小:None

文件类型：7Z

简介：
包含划分好的数据集、类别class文件、数据可视化脚本项目包含：路面上的障碍物分类识别任务（共4种类型），该数据集分为预处理后的训练样本、每类物体的标签文件以及用于展示分类结果的数据分析图表。所有图像和标注信息被组织到YOLOv5指定的文件夹中，这些图像和标签可以直接导入目标检测模型进行训练，并不需要做进一步的预处理工作。分辨率设置为640×640的大分辨率RGB图片，数据集基于马路上常见障碍物的检测。该模型将障碍物作为检测目标，并对所有边界框进行了准确标注。每个图像包含多个待检测的目标。标注格式为：class_name表示x_centre、y_centre、w、h四个参数（其中x_centre和y_centre为相对坐标，w和h分别代表宽度和高度比例）txt类别文本文件数据集类别标注数据类别标签信息为了便于直观了解数据特征，系统生成了相应的Py脚本文件。通过随机输入图片快速定位目标区域，并将标注结果存储于当前工作目录中。代码无需调整即可直接运行。

全部评论 (0)

还没有任何评论哟~

客服

YOLO 数据集: 家具检测(3类)，包括划分好的数据集、类别class文件和数据可视化脚本

优质

数据采用YOLOV5指定文件夹存储，在实际应用中可以直接用于YOLo模型检测工作流程。具体而言，在该系统中所有标注信息均遵循以下格式：类别名称为classes；坐标参数包括x_centre、y_centre、宽度w和高度h（均为YOLo的相对坐标）。这些标注信息被系统划分为训练集和验证集两部分进行处理。其中训练集中包含来自datasets-images-train目录下的528张图片及其对应的528份标签文件；而验证集中则包含来自datasets-images-val目录下的161张图片及其对应的161份标签文件。为了便于直观查看数据分布情况，在当前目录中提供了可视化py脚本（完整代码可参考https://blog..net/qq_44886601/category_12605353.html），通过随机加载一张测试图片即可实时显示预测边界框位置，并将其结果图像保存在当前工作目录中。

YOLO 数据集：九种岩石检测【含划分好的数据集、类别Class文件及数据可视化脚本】

优质

该资料提供了一个专为九种不同岩石类型设计的YOLO数据集，包括预划分的数据集、类别定义文件以及用于数据可视化的Python脚本。项目包含：9种岩石检测【包括划分好的数据集、类别class文件、数据可视化脚本】，数据保存按照YOLOV5的格式存储，可以直接用作目标检测的数据集，无需额外处理。图像分辨率为640*640的大分辨率RGB图片，涵盖各种各样的岩石样本。对原始图像进行了马赛克增强（即四张图片融合在一起），标注完整且每张图包含多个目标物体。标签格式为：类别、x中心点坐标、y中心点坐标、宽度和高度（YOLO的相对坐标）。【数据集类别】9种类型：玄武岩、石灰岩、沉积岩等【数据分组】 - 训练集(datasets-images-train)包含12501张图片及对应的标签文件。 - 验证集(datasets-images-val)包括1104张图片和相应的标签文件。项目还提供了类别信息的txt文本，方便分类识别。为帮助用户更好地理解数据集内容，我们提供了一个可视化脚本（py文件），只需输入一张图像即可绘制出边界框并保存在当前目录下。该脚本无需修改，可以直接运行以生成可视化的结果图。

YOLO 数据集：水稻稻穗识别（1类）【含划分好数据集、类别文件及数据可视化脚本】

优质

该资源提供了一个专门用于水稻稻穗识别的数据集，包含完整的标注图像和类别定义，并附带数据可视化工具。数据保存按照YOLOV5文件夹结构进行组织，可以直接用于Yolo检测。标注格式如下：classes、x_centre、y_centre、w、h（使用的是YOLO的相对坐标系统）。【数据集类别】包含1个类别：稻穗该数据集分为训练集和验证集： - 训练集(datasets-images-train)包括6108张图片及对应的6108个标签txt文件。 - 验证集(datasets-images-val)则有530张图片及其相应的530个标签txt文件。【类别文本段落件】：每个类别的标注信息都保存在单独的.txt格式文档中，方便查看和管理。为了便于直观地检查数据情况，我们提供了一个可视化py脚本。只需随机选取一张图像作为输入参数即可绘制出边界框，并将其保存至当前工作目录下。此脚本无需任何修改就可以直接运行以生成可视化的图像结果。对于YOLOV5的改进与实战应用相关内容，请参考相关博客文章或官方文档获取更多信息。

YOLO 数据集：瓷砖裂缝识别与检测（含2类分类）【内附划分好的数据集、类别文件及数据可视化脚本】

优质

本项目提供了一个用于瓷砖裂缝识别的数据集，包含两类分类标签。数据集已划分为训练集和测试集，并配有类别文件及数据可视化脚本，便于快速上手使用。 1700 张左右使用lableimg标注软件进行标记的图片，格式为png，标签以txt文本形式保存在不同目录下。这些数据可用于瓷砖裂缝检测，并可通过翻转、添加噪声等方法增强部分数据集。总共包含两个类别：裂缝和正常。具体类别的信息可以在classes.txt 文件中查看。为了方便查看数据，提供了一个可视化py文件，可以随机传入一张图片来绘制边界框并保存在当前目录下。此脚本无需更改即可直接运行以生成可视化图像。

9种纸币面额的图像分类数据集【含划分好的数据、类别字典及Python数据可视化脚本】

优质

该数据集包含九种类别的纸币面额图像，附带详细标注和Python脚本用于数据展示与分析。数据包含：9种纸币面额识别【包括划分好的训练集、类别字典文件以及Python数据可视化脚本】分类个数为9类，分别是1元、10元、100元、200元、500元等。数据集详情如下：data目录下分为train和test两个子目录。其中，train用于训练模型的数据总数为546张图片；test作为验证集使用，包含总共100张图片。这些数据可以用来构建YOLOv5的分类任务所需的数据集。此外还包括一个json文件，内含9种纸币面额的类别字典信息。为了便于查看和理解数据情况，提供了一个Python脚本用于可视化展示随机选取的4张图片，并将生成的结果保存在当前目录下。该脚本无需修改即可直接运行。

YOLO 数据集：鱼类疾病图像识别【含预划分数据集、类别文件及可视化脚本】

优质

这是一个用于鱼类疾病的图像识别的数据集，包含已分类的图片和可视化工具，旨在帮助研究者进行模型训练与验证。 YOLO 数据集：鱼身上疾病图像目标检测【包含划分好的数据集、类别class文件、数据可视化脚本】该数据集按照YOLOV5文件夹结构保存，可以直接用于yolo模型训练。类别个数（5）：细菌性疾病、真菌性疾病、健康鱼、寄生虫病、白尾病【具体参考classes文件】数据结构如下： - 训练集包含约720张图片和对应的标签txt文件。 - 验证集包括大约100张图片及其对应标签的txt文件。 - 测试集中有约100张图片及相应的标签txt文件。为了方便查看数据，提供了可视化py脚本。只需随机传入一张图像即可绘制边界框，并且保存在当前目录中。此脚本无需修改，可以直接运行以生成可视化图像。

YOLO 数据集：货架商品布局检测【含划分数据集、类别文件及数据可视化脚本】

优质

简介：该数据集专注于使用YOLO算法进行货架商品布局检测，包含详细的数据划分、类别定义以及用于数据分析和可视化的实用脚本。项目包含货架商品摆放检测的相关内容：划分好的数据集、类别class文件以及用于数据可视化的脚本。这些数据按照YOLOV5的文件夹结构保存，可以直接用作目标检测的数据集，无需额外处理。图像分辨率为640*640的大分辨率RGB图片，涵盖商品零售架上的商品状态（如是否有货或摆放是否倾斜等）。标注信息完整，并且每张图中包含多个需要识别的目标。部分图像进行了增强处理，包括椒盐噪声和马赛克拼接两种方式。数据集的类别有三种：1. 有货；2. 空的；3. 商品摆放错误。整个数据集压缩后的大小为228 MB，分为训练集和验证集： - 训练集（datasets-images-train）包含2104张图片及对应的标签txt文件； - 验证集（datasets-images-val）则有152张图片及其标签。此外还提供了类别信息的文本段落件，方便查看。为了更好地了解数据情况，项目中还包括一个可视化脚本。只需随机传入一张图即可绘制边界框，并保存在当前目录下。此脚本无需做任何更改，可以直接运行以进行图像可视化操作。