Advertisement

水果识别数据集（含训练与验证分组，总计300张图片，适用于YOLO模型）

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

简介：
本数据集包含300张水果图像，分为训练和验证两组，专为YOLO对象检测模型设计，涵盖多种常见水果种类。 水果检测数据集（已划分训练集和验证集，共300张照片，可直接用于YOLO）。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 水果识别数据集（含训练与验证分组，总计300张图片，适用于YOLO模型）
    优质
    本数据集包含300张水果图像，分为训练和验证两组，专为YOLO对象检测模型设计，涵盖多种常见水果种类。 水果检测数据集（已划分训练集和验证集，共300张照片，可直接用于YOLO）。
     
  • 包含训练集与验证集的跌倒检测数据集（500张图片，适用于YOLO模型）
    优质
    本数据集专为跌倒检测设计，含500张图像，并区分训练和验证两部分，完美匹配YOLO算法需求，助力高效准确的目标识别研究。 数据已由DK数据工作室整理完毕，并划分了训练集和验证集，包含接近500张照片，每张照片带有txt格式的标注文件，可以直接用于YOLO目标检测项目。
     
  • 用于口罩检测的预划分数据集（含8000张图像，适合YOLO模型训练与验证）
    优质
    这是一个专为口罩检测设计的数据集，包含8000张图像，旨在优化YOLO模型的训练和验证过程。 口罩检测数据集已由DK数据工作室处理完成，并划分了训练集和验证集，包含8000张图片，可以直接用于YOLO目标检测代码。
     
  • 水果识别模型训练用的照片数据集01
    优质
    本数据集包含各类新鲜水果的高清照片，旨在用于水果识别模型的训练与测试，涵盖苹果、香蕉等多种常见水果品种。 水果照片数据集01用于训练水果识别模型，每个文件夹包含一类水果的照片。
     
  • 水果识别模型训练用的照片数据集02
    优质
    该数据集包含多种常见水果的高清照片，旨在为机器学习爱好者和研究者提供一个用于训练水果识别模型的数据资源。 水果照片数据集02用于训练水果识别模型，每个文件夹包含一类水果的照片。
     
  • 包含10K张图片的人脸数据集，适用于人脸识别模型训练
    优质
    本数据集包含超过10,000张高质量人脸图像，旨在为开发和优化人脸识别技术提供全面支持。适合用于训练、验证及测试多种人脸识别算法模型。 我们有一个包含10K张人脸图片的数据集，可用于训练人脸识别模型。
     
  • 跌倒检测数据集（含4000张训练及1000张验证图片，总计5000张），提供VOC与YOLO格式
    优质
    本数据集包含4000张训练图片和1000张验证图片，共计5000张，旨在支持跌倒检测研究。资料以VOC及YOLO两种格式呈现，方便模型训练与应用开发。 保证数据质量，我们提供了4000张训练集图片加上1000张验证集图片，涵盖了Up、Down、Squat三种姿态。整个数据集中共有5000个图像样本，相比那些售价高昂但数量较少的数据集更具优势。在VOC验证集中有大约200张图片缺失，可以自行从YOLO格式转换过来，因为原始的YOLO数据是完整的。部分图片中没有人体目标，因此标签文件比训练集和验证集少几张属于正常现象。
     
  • YOLO火焰与烟雾数据集 训练集15000张图片，验证集1400张，测试集700张
    优质
    YOLO火焰与烟雾数据集包含17,100张图像，其中训练集有15,000张、验证集有1,400张和测试集有700张。该数据集旨在提升烟火检测模型的性能。 数据集已经按照训练集、验证集和测试集划分好，并包含类别yaml标签，拿到数据集后无需任何处理即可直接用于训练。其中训练集有15000张图片，验证集合有1400张图片，测试集合有700张图片。所有图片的分辨率统一为640*640。
     
  • YOLO水果识别数据集（内含1000张图像）及VOC、COCO与YOLO格式标签+划分脚本+训练指南.rar
    优质
    这是一个包含1000张图片的YOLO水果识别数据集，附有转换为VOC、COCO和YOLO格式的标注工具以及训练模型所需的所有辅助文件。 该数据集包含高质量的真实场景水果图片，适用于YOLO系列目标检测模型的训练。使用lableimg软件进行标注，确保了高精度的标注框，并提供了voc(xml)、coco(json)及yolo(txt)三种格式标签文件，便于直接应用在不同需求上。 此外，还附有YOLO环境搭建指南和案例教程以及数据集划分脚本，用户可以根据需要自行调整训练集、验证集与测试集的分配比例。
     
  • Yolov5水果数据集：多类品质与缺陷识别（含11种类别及训练/验证集）
    优质
    简介：本项目基于YOLOv5框架开发，专注于果蔬品质与缺陷检测。数据集涵盖11种常见水果类别，提供详尽的训练和验证图像样本，助力提升模型在实际应用中的精度与泛化能力。 项目包含多种水果好坏缺陷检测的数据集（11类别），包括训练集与验证集，并按照YOLOV5文件夹结构保存，可以直接用于目标检测而无需额外处理。图像分辨率为640*640的RGB图片，数据集中包含了苹果、香蕉等多种水果的好坏检测，边界框标注清晰且图像完整。 该数据集分为11个类别：好的苹果、腐烂的苹果、好的香蕉、腐烂的香蕉等。整个数据集压缩后的大小为103 MB，并被划分为训练集和验证集两部分： - 训练集中包含1811张图片及其对应的标签txt文件。 - 验证集中包含514张图片及其对应的标签txt文件。 为了方便查看，提供了可视化py脚本。通过随机传入一张图像即可绘制边界框，并将其保存在当前目录中。该脚本无需任何更改，可以直接运行以实现数据的可视化展示。