Advertisement

直肠息肉病变检测数据集（VOC+YOLO格式，含10725张图片，6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10725张图片及标注信息，适用于直肠息肉病变的检测研究，采用VOC与YOLO兼容格式，涵盖六种类别。 数据集格式：Pascal VOC格式+YOLO格式（不含分割路径的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)：10725 标注数量(xml文件个数)：10725 标注数量(txt文件个数)：10725 标注类别数：6 标注类别名称: [Polyps, blood, bubbles, esophagitis, instrument, mis] 每个类别标注的框数： - Polyps 框数 = 4608 - blood 框数 = 2801 - bubbles 框数 = 3530 - esophagitis 框数 = 3461 - instrument 框数 = 2962 - mis 框数 = 3218 总框数：20580 使用标注工具：labelImg

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 直肠息肉病变检测数据集（VOC+YOLO格式，含10725张图片，6个类别）.7z
    优质
    本数据集包含10725张图片及标注信息，适用于直肠息肉病变的检测研究，采用VOC与YOLO兼容格式，涵盖六种类别。 数据集格式：Pascal VOC格式+YOLO格式（不含分割路径的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)：10725 标注数量(xml文件个数)：10725 标注数量(txt文件个数)：10725 标注类别数：6 标注类别名称: [Polyps, blood, bubbles, esophagitis, instrument, mis] 每个类别标注的框数： - Polyps 框数 = 4608 - blood 框数 = 2801 - bubbles 框数 = 3530 - esophagitis 框数 = 3461 - instrument 框数 = 2962 - mis 框数 = 3218 总框数：20580 使用标注工具：labelImg
     
  • 结直肠息肉内镜图像病变检测数据集（VOC+YOLO格式，13524张，2类别）A版.7z
    优质
    这是一个包含13524张图片的数据集，用于训练和评估结直肠息肉的内镜图像自动识别模型。数据集采用VOC及YOLO格式，有助于检测两类不同的病变区域，支持科研人员进行高效的医学图像分析研究。 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 图片以及对应的VOC 格式xml 文件和yolo 格式txt 文件） 图片数量(jpg文件个数)：13524 标注数量(xml文件个数)：13524 标注数量(txt文件个数)：13524 标注类别数：2 标注类别名称:[xianliu,zengsheng] 每个类别标注的框数： xianliu 框数 = 7180 zengsheng 框数 = 6344 总框数：13524 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：数据集共分为两个版本，即A版和B版。两个版本的图片数量相同，并且不存在重叠文件名或重复情况，可以合并训练也可以单独训练。 特别声明：本数据集不对训练模型或者权重文件精度作任何保证，仅提供准确合理的标注信息。
     
  • 【目标检测数据集】612张肠道息肉检测图像，VOC+YOLO格式.7z
    优质
    本数据集包含612张用于肠道息肉检测的高质量医学图像，采用VOC和YOLO双格式存储于压缩文件中，适用于目标检测模型训练与验证。 数据集格式：Pascal VOC格式+YOLO格式（不含分割路径的txt文件，仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件） 图片数量(jpg文件个数)：612张 标注数量(xml文件个数)：612份 标注数量(txt文件个数)：612份 标注类别数：1类 标注类别名称:[xirou] 每个类别标注的框数： xirou 框数 = 712 总框数：712 使用标注工具：labelImg 标注规则：对类别进行画矩形框
     
  • 小麦病害检测数据集（VOC+YOLO格式），含899张图片，12个类别.7z
    优质
    本数据集包含899张图片及12种类别的小麦病害标注信息，同时提供VOC和YOLO两种格式文件，便于模型训练与检测。 数据集采用Pascal VOC格式与YOLO格式（不含分割路径的txt文件），仅包含jpg图片及其对应的VOC格式xml文件及yolo格式txt文件。 - 图片数量：899张 - 标注数量（xml文件）：899个 - 标注数量（txt文件）：899个 标注类别包括12种，具体如下： - CrownAndRootRot 框数 = 268 - HealthyWheat 框数 = 282 - LeafRust 框数 = 131 - PowderyMildew 框数 = 323 - WheatAphids 框数 = 173 - WheatCystNematode 框数 = 103 - WheatLooseSmut 框数 = 171 - WheatRedSpider 框数 = 182 - WheatScab 框数 = 300 - WheatSharpEyespot 框数 = 105 - WheatStalkRot 框数 = 136 - WheatTake-all 框数 = 117 总框数：2291个。 使用标注工具为labelImg，规则是对类别进行矩形框标注。
     
  • 棉花叶片病害检测数据集（VOC+YOLO格式），含977张图片，22个类别.7z
    优质
    本数据集提供针对棉花叶片病害的图像识别训练素材，包含977幅图片及22种不同的病害分类标签，支持VOC与YOLO两种格式。 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 图片以及对应的 VOC 格式 xml 文件和 YOLO 格式的 txt 文件） 图片数量（jpg 文件个数）：977 标注数量（xml 文件个数）：977 标注数量（txt 文件个数）：977 标注类别数：22 重要说明：所有图像的分辨率为 640x640，请仔细查看图片预览以确认是否符合实际项目需求。下载前请务必参考相关博文，确保数据集满足项目的具体要求。
     
  • 拐杖检测数据集(VOC+YOLO格式，含2778张图片，1个类别).7z
    优质
    本数据集包含2778张图片，标注了单一物体类别——拐杖的数据，采用VOC及YOLO两种格式，适用于目标检测模型训练与测试。 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图片以及对应的VOC格式xml文件和yolo格式txt文件） 图片数量（jpg文件个数）：2778 标注数量（xml文件个数）：2778 标注数量（txt文件个数）：2778 标注类别数：1 标注类别名称：[whitecane] 每个类别标注的框数： - whitecane 框数 = 4635 总框数：4635 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：视频采集截图图片，场景类似，请参考相关博文。
     
  • 变电站缺陷检测数据集(VOC+YOLO格式)含8307张图片，17个类别.7z
    优质
    本数据集包含8307张图像及标注信息，涵盖17类变电站设备缺陷，适用于目标检测任务，采用VOC和YOLO双格式存储。压缩文件后缀为.7z。 数据集格式采用Pascal VOC与YOLO两种格式，并且不含分割路径的txt文件，仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件。 - 图片数量（jpg文件个数）：8307 - 标注数量（xml文件个数）：8307 - 标注数量（txt文件个数）：8307 - 标注类别总数为17，具体名称如下： - bj_bpmh - bj_bpps - bj_wkps - bjdsyc - gbps - hxq_gjbs - hxq_gjtps - jyz_pl - kgg_ybh - sly_dmyw - wcaqm - wcgz - xmbhyc - xy - yw_gkxfw - yw_nc - ywzt_yfyc
     
  • 螺丝螺母检测数据集（VOC+YOLO格式，含2100张图片，13个类别）.7z
    优质
    本数据集包含2100张图像及对应的标注信息，适用于螺丝和螺母的检测任务。涵盖13种类别，提供VOC与YOLO两种格式，便于研究者进行模型训练与测试。 数据集格式为Pascal VOC格式与YOLO格式（不含分割路径的txt文件），仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件。 图片数量（jpg文件个数）：2100 标注数量（xml文件个数）：2100 标注数量（txt文件个数）：2100 标注类别总数为13，具体包括以下类型： 六角螺栓、双六角柱、T型螺丝、法兰螺母、六角支柱、键条、六角螺母、水平气泡、六角钢柱、塑料垫片支柱、弹簧垫圈、矩形螺母和圆头螺丝。
     
  • 齿轮瑕疵检测数据集（VOC+YOLO格式），含2978张图片，3个类别.7z
    优质
    本数据集提供了一个包含2978张图片的齿轮瑕疵检测资源库，采用VOC与YOLO双格式标注，涵盖三种不同类型的缺陷。 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图片以及对应的VOC格式xml文件和yolo格式txt文件） 图片数量(jpg文件个数)：2978 标注数量(xml文件个数)：2978 标注数量(txt文件个数)：2978 标注类别数：3 标注类别名称:[break, lack, scratch] 每个类别标注的框数： - break 框数 = 1000 - lack 框数 = 980 - scratch 框数 = 4317 总框数：6297 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：本数据集不对训练的模型或者权重文件精度作任何保证，仅提供准确且合理的标注。
     
  • 轮胎瑕疵检测数据集（VOC+YOLO格式），含2154张图片，4个类别.7z
    优质
    本数据集包含2154张图像，用于轮胎瑕疵检测，支持VOC和YOLO格式，涵盖四种不同类型缺陷，适用于训练高效的瑕疵识别模型。 数据集采用Pascal VOC格式与YOLO格式（不含分割路径的txt文件），仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件。 总共有2154张图片，每一张都有相应的标注文件。 - 使用了四种不同的类别进行标注：debris、ground、side 和 side_cut。 - 各类别的具体框数如下： - debris: 1599个 - ground: 564个 - side: 188个 - side_cut: 493个 总计标注了2844个边界框。 使用的标注工具为labelImg。