Advertisement

一部分ImageNet数据集（10个类别*100张图片）。

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

简介：
ImageNet LSVRC-2010数据集包含1000个类别，拥有120万张用于训练的图像以及5万张用于测试，和15万张用于验证的mini-imagenet数据。该数据集的来源是mini-imagenet，通过随机选取10个类别，并在每个类别中随机选择100张图片，最终形成了一组总计1000张图片的训练集。为了进行ImageNet识别任务，采用了AlexNet结构，并借助pytorch、tensorflow、keras和paddle等深度学习框架。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 部分ImageNet数据（10类×100张图片）
    优质
    本数据集为ImageNet子集，精选了十个类别，每个类别包含一百张高质量图片，适用于图像识别和分类模型训练与测试。 源数据为ImageNet LSVRC-2010，包含1000个类别，共有约120万张训练图片、5万张测试图片以及15万张验证图片。 另外的数据集是从mini-imagenet中随机选取的：从该数据库中选择出10类，并且每类随机选择了100张图像，总共形成了一个包含1000张图象的新数据集。 关于AlexNet结构及其实现在ImageNet识别上的应用，可以参考相关文献。实现框架包括PyTorch、TensorFlow、Keras和Paddle等几种主流深度学习平台。
     
  • 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。
     
  • 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
     
  • ImageNet数据集分类
    优质
    ImageNet数据集分类是基于大规模图像数据库ImageNet进行图像识别与分类的研究领域，涵盖数千个类别，促进了计算机视觉技术的发展。 ImageNet数据集是一个大规模的图像数据库，包含数百万张图片及其标签，广泛用于计算机视觉领域的研究与开发。该数据集为研究人员提供了丰富的资源来训练、验证和测试各种机器学习模型，尤其是在深度学习领域发挥了重要作用。
     
  • 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。
     
  • Imagenet 21K类别的数据集
    优质
    ImageNet 21K是一个包含超过21,000个类别的大规模图像数据集，涵盖了极其广泛的视觉概念，为深度学习模型提供了丰富的训练资源。 ImageNet 21K类别数据集是一个包含大量图像分类的数据集合。
     
  • 水果分类图片数据集（10类）
    优质
    该数据集包含多种水果图像，涵盖苹果、香蕉等十种常见类别，旨在支持水果识别与分类的相关研究和应用开发。 10类水果分类数据集包括苹果、猕猴桃、香蕉、樱桃、橘子、芒果、鳄梨、菠萝和草莓，每种水果超过200张图片。
     
  • 脸部痤疮识别数据集（VOC+YOLO格式，含3763张图片，7个类别）.zip
    优质
    本资料包含一个用于脸部痤疮识别的数据集，共计3763张图像，并支持VOC和YOLO两种格式。该数据集涵盖七种类别，旨在为痤疮检测研究提供有力的支持。 文件大小较大，请务必先查看资源详情再进行下载。 重要提示：数据集用于小目标检测任务，在训练过程中mAP精度偏低属于正常现象，只要模型能够检出目标即可。如果mAP低于0.5请不要感到意外，因为小目标检测是业界公认的难题之一。 数据格式： - Pascal VOC 格式 - YOLO 格式（不含分割路径的txt文件） 图片数量：3763张 标注数量：3763个（xml和txt各占一半） 类别数：7类 具体类别名称如下： 1. blackheads 2. cyst 3. fore 4. nodule 5. papule 6. pustule 7. whiteheads
     
  • 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。