Advertisement

Curve-Text-Detector：该仓库包含训练与测试代码、数据集、检测及记录批注、评估脚本、批注工具和排名功能。

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

简介：
Curve-Text-Detector是一个全面的项目仓库，提供用于文本曲线检测的训练和测试代码、数据集、批注工具以及性能评估脚本。 SCUT-CTW1500数据集已更新了训练和测试集的注释。训练集包含1000张图片，并包括每个字符的附加点注释。测试集包含500张图片。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Curve-Text-Detector：该仓库包含训练与测试代码、数据集、检测及记录批注、评估脚本、批注工具和排名功能。
    优质
    Curve-Text-Detector是一个全面的项目仓库，提供用于文本曲线检测的训练和测试代码、数据集、批注工具以及性能评估脚本。 SCUT-CTW1500数据集已更新了训练和测试集的注释。训练集包含1000张图片，并包括每个字符的附加点注释。测试集包含500张图片。
  • 真实的Corel5k数据集（含标注，训练及测试集）.zip
    优质
    该文件包含了一个名为Corel5k的真实图像数据集，内含全面标注、训练集与测试集，适用于图像分类和检索研究。 Corel5K图像集包含了科雷尔（Corel）公司收集整理的5000幅图片，这些图片涵盖了多个主题，并且是进行科学实验如分类、检索的理想选择。这个数据集自提出以来一直被用于评估标注算法性能的标准测试工具。 Corel图库由不同CD组成，每个包含100张大小一致的图像并且可以转换成多种格式。每一张CD代表一个特定的主题类别，例如公共汽车、恐龙或海滩等。整个Corel5K数据集包括了来自50个不同的主题分类中的图片，并被分为三个部分：4,000幅用于训练模型，另外500张作为验证集来估计参数设置的准确性；剩下的500张则用作测试算法性能。 每一张图像都被赋予1到5个描述性标签。在Corel数据集中总共有374种不同的词汇用来标记训练集中的图片，在测试集合中使用了263种不同词语进行标注。对于有兴趣进一步研究的用户来说，可以自行提取各种低级视觉特征（如RGB, Lab, HSV, SIFT, GIST和HOG等）以支持更深入的研究工作。 请注意该数据集仅供学术和个人学习交流目的，并严禁用于商业用途。
  • 用于划分训练集和测试集的人工智能数据集脚本
    优质
    这段Python或类似语言编写的脚本主要用于人工智能领域中对数据集进行划分，旨在将原始数据有效地区分出训练集与测试集，便于模型训练及评估。 划分训练集和测试集的脚本使用非常简单。其原理是提取目录中的文件名并随机打乱后放入对应的数组中，然后对这些数组内的内容进行对比以筛选出带有标签的图片，并最终将这些图片及标签分配到训练集、验证集以及测试集中。默认情况下，该脚本提供了一个自动选择根路径的功能，如果用户不做任何修改，则可以直接使用未划分的数据集。 各集合的具体分布如下： - 训练集：70% - 验证集：20% - 测试集：10%
  • 行人检测数据集训练集无需标注
    优质
    本项目提出了一种创新方法，利用未标记的数据集进行行人检测模型的训练，旨在减少人工标注工作量的同时保持高精度识别能力。 用于行人检测的已标注数据集仅包含“person”一个类别，可以直接使用。
  • 林业害虫数据集（包含验证集与测试集）注：本文件为分批上传的第二部分，含验证及测试数据
    优质
    该文件是林业害虫数据集的第二批资料，包含了用于模型验证和测试的数据集，旨在支持研究者深入探究林业害虫问题。 1. 真实拍摄的林业害虫数据集 2. 训练集包含1693张JPEG格式图片及对应的xml格式标签文件 3. 验证集包括245张JPEG格式图片及其相应的xml格式标签文件 4. 测试集则有245张JPEG格式图片和其配套的xml格式标签文件
  • 基于YOLOV5的口罩检测数据集及系统（含代码、训练模型和标注数据）.zip
    优质
    本资源提供了一个基于YOLOv5的口罩检测解决方案，内含完整代码、预训练模型以及详细的标注数据，适用于快速部署与二次开发。 本项目基于YOLOV5口罩检测数据集系统、代码以及训练好的模型，并包含已标注的数据。该项目已经导师指导通过，获得高分评价，是一份高质量的课程设计作业。
  • 包含训练集和测试集的TE数据集.zip
    优质
    本资料包提供了一个用于文本挖掘或自然语言处理研究的TE数据集，内含详细的训练集与测试集划分，便于模型开发与验证。 TE数据集是目前故障诊断领域常用的数据库之一。它由训练集和测试集两部分组成，整个TE数据集中包含22次不同的仿真运行结果的数据，每个样本有52个观测变量。d00.dat至d21.dat构成了训练集的样本段落件，而d00_te.dat到d21_te.dat则是用于测试的样本段落件。其中，d00.dat和d00_te.dat代表的是正常操作条件下的数据。 具体来说，d00.dat是通过运行25小时仿真的方式获取的数据，总共包含500个观测点；而d00_te.dat则是在48小时仿真环境下获得的测试样本段落件，该文件共记录了960个观测值。
  • YOLOv7火焰与烟雾检测训练权重及标注数据集
    优质
    本资源提供YOLOv7模型在火焰和烟雾检测任务中的预训练权重及详细标注数据集，助力火灾预防系统的开发与优化。 1. YOLOv7火焰和烟雾检测训练权重包含各种训练曲线图，可以使用tensorboard打开训练日志。 2. 类别包括：fire、smoke。 3. 数据集附有VOC和YOLO两种标签格式。 检测结果与数据集参考相关文章。
  • 口罩检测与识别数据集（含1200训练样本及400测试样本）.zip
    优质
    本数据集包含1600张图像，旨在用于口罩佩戴情况的检测和识别研究。其中1200张为训练样本，400张为测试样本，适用于开发相关的人脸识别系统或监控程序。 我们有一个口罩检测识别数据集，包含1200张训练图片（600张佩戴口罩、600张未佩戴口罩）和400张测试图片（各200张）。利用YOLO算法在该数据集中进行了两阶段的模型训练：首先冻结backbone部分进行25个epoch的预训练，然后解冻所有参数继续训练了另外25个epoch。最终，在测试集上的mAP达到了90.75%。
  • Yolov5代码版本，含预训练模型及测试脚本，支持训练
    优质
    简介：该资源提供YOLOv5的完整代码版本，包含预训练模型和详细的测试脚本，方便用户直接进行模型训练和验证。 yolov5配置版的代码阅读和修改不太方便，所以我整理了一个代码封装版本，这样可以更方便地阅读和修改网络结构，并且带有预训练权重。检测代码为detect_class_s.py，用于检测芒果，也可以用来训练其他目标。