基于YOLOv5的水下垃圾检测及预训练模型与标注数据集

5星

浏览量: 0

大小:None

文件类型：None

简介：
本研究基于YOLOv5框架开发了专门用于识别和定位水下垃圾的系统，并构建了一个包含大量标注图像的数据集，同时提供了预训练模型以促进进一步的研究。 YOLOv5用于水下垃圾检测的项目包括训练好的模型权重以及PR曲线、loss曲线等相关结果数据。该项目使用了VOC格式的水下垃圾检测数据集，包含几千张通过lableimg标注软件标记的真实场景高质量图片，图片格式为jpg。标签以两种不同格式保存：一种是VOC格式，另一种是yolo格式，并分别存放于两个不同的文件夹中。该数据集中包括多种类型的海洋垃圾图像，如金属、木头、塑料、橡胶和布料等类别目标的检测样本。这些数据集覆盖了丰富的场景变化，能够为水下环境中的垃圾分类提供全面的数据支持。

全部评论 (0)

还没有任何评论哟~

客服

基于YOLOv5的水下垃圾检测及预训练模型与标注数据集

优质

本研究基于YOLOv5框架开发了专门用于识别和定位水下垃圾的系统，并构建了一个包含大量标注图像的数据集，同时提供了预训练模型以促进进一步的研究。 YOLOv5用于水下垃圾检测的项目包括训练好的模型权重以及PR曲线、loss曲线等相关结果数据。该项目使用了VOC格式的水下垃圾检测数据集，包含几千张通过lableimg标注软件标记的真实场景高质量图片，图片格式为jpg。标签以两种不同格式保存：一种是VOC格式，另一种是yolo格式，并分别存放于两个不同的文件夹中。该数据集中包括多种类型的海洋垃圾图像，如金属、木头、塑料、橡胶和布料等类别目标的检测样本。这些数据集覆盖了丰富的场景变化，能够为水下环境中的垃圾分类提供全面的数据支持。

YOLOv7水下垃圾检测及预训练模型与数据集

优质

本项目基于YOLOv7框架开发，专注于水下环境中的垃圾检测。提供预训练模型和专用数据集，旨在促进水下环保领域的研究与应用。 YOLOv7水下垃圾检测项目包括训练好的模型权重以及PR曲线、loss曲线等相关数据。该项目使用了VOC格式的水下垃圾检测数据集，包含几千张通过lableimg软件标注的真实场景高质量图片，图片为jpg格式，并且标签以VOC和yolo两种格式保存在不同的文件夹中。这些图像涵盖了多种类型的海洋垃圾，包括金属、木头、塑料、橡胶和布料等多个类别目标。数据集中包含了丰富的不同场景的样本。

Yolov7垃圾检测模型与标注数据集

优质

本项目专注于开发并优化YOLOv7算法在垃圾检测领域的应用，并构建相应的高质量标注数据集，以提升垃圾分类效率和准确性。 YOLOv7垃圾检测模型已经训练完成，并包含PR曲线、loss曲线以及90%以上的mAP值。该模型使用了一个专门的垃圾数据集进行训练，可以识别多种类型的垃圾，包括瓶子、罐子、烟头、餐盒、易拉罐和垃圾袋等。此外，还提供了相应的标签文件格式（txt和xml），分别保存在两个不同的文件夹中。采用PyTorch框架开发，并使用Python编写代码。该模型可以在与YOLOv5共用的环境中运行，配置好环境后可以直接加载训练好的模型进行测试并获取结果。

YOLOv5西红柿检测及预训练模型与数据集

优质

简介：本项目基于YOLOv5框架开发了针对西红柿的精准检测模型，并提供了相应的预训练模型和数据集，适用于农业监控、产量估计等场景。使用Yolov5进行西红柿检测的项目包括了两种预训练模型：yolov5s 和 yolov5m，它们是在一个包含1000多张图片的数据集上训练得到的，目标类别为toamto（番茄），共有一个类别。数据集中还包含了标签文件，格式分别为txt和xml，并分别保存在两个不同的文件夹中。该项目采用PyTorch框架并使用Python代码实现。

基于Yolov5的口罩检测与识别数据集及训练模型（含标注数据）.zip

优质

本资源包含一个用于口罩检测的数据集及基于YOLOv5的预训练模型。数据集中含有详细的图像标注，便于快速上手进行相关研究和应用开发。基于Yolov5的口罩检测识别数据集包括训练好的模型以及标注好的数据。整个数据集包含以下内容： - labels：所有图片对应的标签文件。 - photoes：经过整理后的图片数据集，原始图片来自特定来源。 - yolov5-master：存放Yolov5相关模型文件的文件夹。 - transmit.py：一个Python程序，用于快速将从GitHub下载的数据写入指定目录。

Yolov5道路井盖及下水道井盖检测训练模型与数据集

优质

本项目基于YOLOv5框架开发，专注于构建高效的道路和下水道井盖检测系统。通过精心标注的数据集优化模型性能，确保在复杂环境下的准确识别能力。使用YOLOv5进行道路井盖及下水道井盖的检测训练模型需要一个包含2000左右数据的数据集，并且该数据集中已经配置好目录结构，标签以yolo格式（txt）提供，并已划分成train、val和test三个部分。此外还附有data.yaml文件来方便YOLOv5、YOLOv7及YOLOv8等算法直接进行模型训练。以下是用于参考的数据集配置目录结构示例： - nc: 2 - names: [Road_drain, Road_manhole]

基于YOLOv5的行人检测模型训练与PyQt界面展示+标注数据集

优质

本项目采用YOLOv5算法进行行人检测模型训练，并结合PyQt开发图形用户界面展示结果；同时包含用于训练的数据集及标注信息。 YOLOV5行人检测模型基于在数千张街道和交通场景的行人数据集上训练得到的权重。该数据集包含各种训练曲线图，并使用lableimg软件标注工具进行标注，图片格式为jpg，标签有两种形式：xml格式和txt格式，分别保存在两个不同的文件夹中，类别名为person；可以直接用于YOLO系列模型中的行人检测。此外，该项目还提供了一个基于PyQt的界面，可以用来检测图片、视频以及调用摄像头，并且提供了相应的选择项。整个项目采用pytorch框架编写，代码为Python语言。

与水下垃圾检测有关的数据集

优质

本数据集专注于收集和整理各类水下环境中的垃圾图像及信息，旨在促进水下垃圾检测技术的研究与发展。该数据集来源于J-EDI海洋废弃物数据库。组成此数据集的视频在质量、拍摄深度及场景对象等方面存在显著差异，并且使用了不同类型的相机进行录制。这些视频中包含了大量从真实环境中捕获的不同类型海洋垃圾图像，包括处于不同程度腐烂、遮挡和生长状态下的物体。此外，各个视频之间的水质与光线条件也有所不同。经过处理后，我们从原始视频中提取出了共计5700张图像，并对所有图像中的生物对象（如垃圾、植物及动物）以及遥控操作车辆(ROV)实例进行了边界框标记。我们的目标是开发出适用于车载机器人部署的高效且准确的垃圾检测方法。希望通过发布该数据集，能够进一步推动这一具有挑战性问题的研究进展，从而让海洋机器人社区更接近于实现自主垃圾探测与清除的目标。

与水下垃圾检测有关的数据集

优质

本数据集专注于收集和整理各类水下环境中的废弃物图像及信息，旨在促进水下垃圾检测技术的研究与发展。该数据集来源于J-EDI海洋废弃物数据库。组成此数据集的视频在质量、拍摄深度、场景中的对象以及使用的相机方面存在显著差异。这些视频中包含各种类型的海洋垃圾图像，它们处于不同程度的腐烂、遮挡或过度生长状态。此外，不同视频之间的水质和光线条件也有很大的变化。经过处理后从这些视频中提取了5700张图片，并对其中的所有生物对象（包括垃圾、植物及动物）以及ROV实例使用边界框进行了标注。我们的最终目标是开发出一种适用于车载机器人部署的高效且准确的海洋垃圾检测方法。我们希望该数据集能够促进对此类挑战性问题的研究，帮助海洋机器人领域更接近实现自主进行垃圾识别和清理的目标。

YOLOv5吸烟行为检测代码及预训练模型+含5000条标注数据的数据集

优质

简介：本项目提供YOLOv5框架下的吸烟行为检测代码与预训练模型，并附带一个包含5000条详细标注的数据集，助力高效准确的行人行为识别研究。 YOLOV5吸烟行为检测提供了两种训练好的模型，并包含各种训练曲线图及数据集。该数据集中有超过5000张使用LabelImg软件标注的图片，格式为jpg，标签有两种形式：xml格式和txt格式，分别保存在两个文件夹中，类别名为smoke；可以直接用于YOLO系列的吸烟行为检测任务。此外，还有相关的数据集与检测结果供参考。采用pytorch框架开发，并且代码是用Python编写的。