Advertisement

打架识别分类数据集（含75,855张图片，8个类别）.7z

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：7Z

简介：
本数据集包含75,855张图像，涵盖八种不同类型的肢体冲突场景，旨在用于训练和测试机器学习模型以准确地识别打架行为。 数据集类型：图像分类用，不可用于目标检测且无标注文件。 数据集格式：包含75855张jpg图片，每个类别单独存储在一个文件夹中。 分类类别数：8个 类别名称及每类图片数量： - hit: 4133 张 - kick: 5950 张 - punch: 8921 张 - push: 10335 张 - ride_horse: 16971 张 - shoot_gun: 9832 张 - stand: 11259 张 - wave: 8454 张 重要说明：暂无。 特别声明：本数据集不对训练的模型或权重文件精度作任何保证，仅提供准确且合理分类存放。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 打架识别分类数据集（含75,855张图片，8个类别）.7z
    优质
    本数据集包含75,855张图像，涵盖八种不同类型的肢体冲突场景，旨在用于训练和测试机器学习模型以准确地识别打架行为。 数据集类型：图像分类用，不可用于目标检测且无标注文件。 数据集格式：包含75855张jpg图片，每个类别单独存储在一个文件夹中。 分类类别数：8个 类别名称及每类图片数量： - hit: 4133 张 - kick: 5950 张 - punch: 8921 张 - push: 10335 张 - ride_horse: 16971 张 - shoot_gun: 9832 张 - stand: 11259 张 - wave: 8454 张 重要说明：暂无。 特别声明：本数据集不对训练的模型或权重文件精度作任何保证，仅提供准确且合理分类存放。
     
  • 杂草分类数据集含5998张图片，涵盖5个类别.7z
    优质
    本数据集包含5998张图片，涵盖了五种不同的杂草种类，旨在为图像识别和机器学习模型提供训练资源。文件以压缩格式（.7z）存储。 数据集类型：图像分类用，不可用于目标检测。 数据集格式：仅包含jpg图片文件，每个类别文件夹内存放对应类别的图片。 图片数量（jpg文件个数）：5998 分类类别数：5 类别名称： - bluegrass - chenopodium - cirsium - corn - sedge 每种类别图片数： - bluegrass: 1200张 - chenopodium: 1200张 - cirsium: 1200张 - corn: 1200张 - sedge: 1198张 重要说明：暂无特别声明。 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，仅提供准确且合理分类存放。
     
  • 小麦病害分类数据集（含7653张图片，12个类别）.7z
    优质
    本数据集包含7653张图像，涵盖12种不同类型的小麦病害，旨在促进农业领域中机器学习算法的研发与应用。 数据集类型：图像分类用，不可用于目标检测且无标注文件。 数据集格式：仅包含jpg图片，每个类别文件夹下存放着对应类别的图片。 图片总数（jpg文件个数）：7653 分类的类别数量：12 各分类下的图片数量： - crown_and_root_rot: 1102 - healthy_wheat: 1434 - leaf_rust: 1797 - powdery_mildew: 218 - wheat_aphids: 315 - wheat_cyst_nematode: 57 - wheat_loose_smut: 1017 - wheat_red_spider: 199 - wheat_scab: 545 - wheat_sharp_eyespot: 545 - wheat_stalk_rot: 274 - wheat_takeall: 150 重要说明：暂无。 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，仅提供准确且合理分类存放。
     
  • 岩石类型识别数据集（VOC+YOLO格式），含4766张图片，9个类别.7z
    优质
    本数据集包含4766张用于岩石类型识别的图像，涵盖九种类别。采用VOC和YOLO兼容格式，便于训练高效的目标检测模型。压缩文件为7z格式。 数据集格式为Pascal VOC格式与YOLO格式（仅包含jpg图片及对应的VOC格式xml文件和yolo格式txt文件）。 图片数量：4766张 标注数量： - xml文件个数：4766份 - txt文件个数：4766份 标注类别总数为9种，具体名称如下： 1. Igneous_Basalt 2. Igneous_Diorite 3. Igneous_Granite 4. Metamorphic_Marble 5. Metamorphic_Quartize 6. Sedimentary_Chalk 7. Sedimentary_Limestone 8. Sedimentary_Sandstone 9. Sedimentary_coal
     
  • 昆虫识别数据集（VOC+YOLO格式），含1873张图片，7个类别.7z
    优质
    本数据集包含1873张图像和七个不同的昆虫类别，采用VOC与YOLO兼容格式，适用于昆虫识别任务的模型训练和验证。 数据集格式：Pascal VOC 格式 + YOLO 格式（不包含分割路径的 txt 文件，仅包含 jpg 图片及对应的 VOC 格式 xml 文件和 YOLO 格式 txt 文件）。 图片数量（jpg 文件个数）：1873 标注数量（xml 文件个数）：1873 标注数量（txt 文件个数）：1873 标注类别数目：7 标注类别名称：Boerner, Leconte, Linnaeus, acuminatus, armandi, coleoptera, 和linnaeus 每个类别的标注框数： - Boerner 框数 = 1859 - Leconte 框数 = 2711 - Linnaeus 框数 = 1046 - acuminatus 框数 = 1130 - armandi 框数 = 1932 - coleoptera 框数 = 2163 - linnaeus 框数 = 907 总框数：11748 使用标注工具：labelImg 标注规则：对类别进行画矩形框。 重要说明： 暂无特别声明。
     
  • 小麦叶片病害分类数据集（2942张图片，3个类别）.7z
    优质
    本数据集包含2942张小麦叶片图像，用于训练和测试机器学习模型以识别三种不同的叶片病害。通过细致标注与分类，为研究人员提供宝贵的数据资源。 数据集类型：图像分类用，不可用于目标检测且不含标注文件。 数据集格式：仅包含jpg图片，每个类别文件夹内存放对应类别的图片。 总图片数量（jpg文件个数）：2942张 分类的类别总数：3种 具体类别名称及每种类别下的图片数量如下： - Brown_Rust 类别下有 902 张图片 - Healthy 类别下有 1116 张图片 - Yellow_Rust 类别下有 924 张图片
     
  • 水稻叶穗病害的分类数据集（含4078张图片，4种类别）.7z
    优质
    本数据集包含4078张图片，涵盖了水稻生长过程中可能遇到的四种不同类型的叶穗病害，为研究和分析提供了详实的数据支持。 数据集类型：用于图像分类的数据集，不可用于目标检测且无标注文件。 数据集格式：仅包含jpg图片，每个类别对应一个文件夹，并在该文件夹内存放相应的图片。 图片总数（jpg 文件个数）：4078 分类的类别数量：4 具体类别的名称及对应的图片数目如下： - Brown_Spot 图片数：613 - Healthy 图片数：1488 - Leaf_Blast 图片数：977 - Neck_Blast 图片数：1000
     
  • 水质类别图片数据集（含5000张图片）
    优质
    本数据集包含5000张不同水质类别的图片，旨在为水质监测与分类提供训练模型的数据支持，促进环保领域的研究与发展。 使用增强后的5000张图片对水质进行分类，并将其分为五类。采用ResNet模型后，准确率可达98%。由于内容有限，我降低了积分要求，因为网站收取的费用较高。
     
  • 垃圾分类数据集及TF代码-含8万张图片与245类别.zip
    优质
    本资料包包含一个大型垃圾分类数据集，共计8万张图像和245个不同分类，适用于深度学习模型训练。附带TensorFlow代码示例，助力快速上手实践。 包含垃圾分类数据集和TF代码-8万张图片245个类，提供两组训练好的模型在models目录下。详情请参见相关文档或描述。
     
  • 垃圾分类数据集与TF代码-含8万张图片及245类别.zip
    优质
    本资源提供了一个包含8万张图片和245个类别的全面垃圾分类数据集，并附有使用TensorFlow框架的示例代码，助力于开发高效的垃圾分类系统。 在智能垃圾分类赛道上，我使用了PyQt5进行界面设计，并创建了一个数据集进行了测试。通过神经网络对图像进行了识别处理，在测试阶段达到了100%的准确率。这一项目包括一个完整的垃圾分类数据集及代码资源。