Advertisement

【目标检测数据集】番茄成熟度检测数据集(640张图像,3类别,VOC+YOLO格式).zip

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


简介:
本数据集包含640张用于番茄成熟度分类的图像,涵盖未熟、半熟和全熟三个类别,以VOC及YOLO格式提供,适用于目标检测模型训练与验证。 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图片及其对应的VOC格式xml文件和yolo格式txt文件。该数据集中共有643张图片,每张图片都有相应的标注文件,即有643个xml文件和643个txt文件。整个数据集包含了三个不同的类别标签:“fully_ripened”(成熟的)、“green”(半成熟的)以及“half_ripened”(未成熟的绿色)。具体来说,“fully_ripened”的标注框数为1330,“green”的标注框数为5134,而“half_ripened”的标注框数则有1317个。总计共有7781个标注框。该数据集使用了labelImg工具进行标签制作和编辑工作。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 6403VOC+YOLO).zip
    优质
    本数据集包含640张用于番茄成熟度分类的图像,涵盖未熟、半熟和全熟三个类别,以VOC及YOLO格式提供,适用于目标检测模型训练与验证。 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图片及其对应的VOC格式xml文件和yolo格式txt文件。该数据集中共有643张图片,每张图片都有相应的标注文件,即有643个xml文件和643个txt文件。整个数据集包含了三个不同的类别标签:“fully_ripened”(成熟的)、“green”(半成熟的)以及“half_ripened”(未成熟的绿色)。具体来说,“fully_ripened”的标注框数为1330,“green”的标注框数为5134,而“half_ripened”的标注框数则有1317个。总计共有7781个标注框。该数据集使用了labelImg工具进行标签制作和编辑工作。
  • 荔枝VOC+YOLO(1005片,4个).zip
    优质
    本资源提供了一个用于荔枝成熟度检测的数据集,包含1005张图像和四种不同类别的挥发性有机化合物标签,采用YOLO格式标注。 样本图:请在电脑端资源详情查看并下载文件。 数据集格式包括Pascal VOC格式和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)为1005,标注数量(xml文件)同样为1005,标注数量(txt文件)也为1005。数据集中有4种不同的标注类别:blossom, green, ripe 和 young。 各类别的框数如下: - blossom 框数 = 539 - green 框数 = 4045 - ripe 框数 = 7701 - young 框数 = 4581 总框数量为16866。 使用标注工具:labelImg。对类别进行矩形画框操作作为标注规则。 重要说明:暂无 特别提示:本数据集不对训练模型或权重文件的精度提供任何保证,仅确保提供的标签准确且合理。
  • 躺坐站识VOC+YOLO 9488 3.docx
    优质
    \n目前,目标检测作为计算机视觉的核心技术,在机器学习领域具有重要地位。其中的主要任务是在给定的图像中识别出一个或多个物体的实例,并同时确定其具体的定位信息。本研究聚焦于人体躺坐站态(即坐姿)识别的任务,这是一种目标检测技术的具体应用场景。为了辅助研究人员进行目标检测模型的开发与优化,本数据集提供了一份标准化的人体姿态标注数据资源。数据集包含两种文件格式,分别对应Pascal VOC和YOLO两种主流的目标检测算法框架。其中,每幅图片的原始文件包括JPG图像文件及相应的XML注数据,这种组织方式使目标信息更具可访问性。与此同时,YOLO格式采用的是注释信息存储的方式,在此过程中采用了更加简明的形式来记录目标位置信息。经过统计分析发现,数据集中共有9488张图片样本,并且每一张图片都附带了完整的标注文件,包括XML和TXT格式的文本文档。这使得数据集在完整性方面具有较高的水准。在分类任务中,该数据集涉及三个不同的姿态类别:包括“躺下”、“坐”以及“站立”。具体而言,在所有样本中,“坐”的类别占绝对主导,其次是“站立”类别,最少的是“躺下”类型。整个数据集中共有14354个目标框被检测出来,这说明各个类别的样本分布较为均衡合理。在这一过程中,标注工作的具体执行流程需要严格遵循矩形框标注的标准操作规范,以确保目标检测的准确性。为此,研究团队采用了labelImg作为图像标注工具,并在其图形界面中提供了直观的操作界面。用户可以在此界面中通过直接绘制矩形框的方式来选择、标记需要识别的目标物体,并同时为每个类别赋予对应的名称标签。需要注意的是,本数据集约70%的样本是以增强版本的方式获取的,通过数字变换技术对原图进行旋转、缩放、裁剪等处理生成。这种处理方式不仅能够有效增加多样化的样本素材,还能够有助于提升模型在不同环境下的适应能力。然而,在实际应用过程中也存在一些需要注意的事项:数据集的提供的文件格式和具体内容均遵循了公开的标准规范,并不保证模型性能的绝对准确度,使用者应当结合实验验证的方式进行评估与应用。基于此,建议用户通过详细研究相关领域内的实际案例,以便更好地理解和利用这一资源包。该数据集对于目标检测领域的研究者、图像识别专家以及人工智能技术研发人员等具有很高的参考价值和应用前景。因此,在其发布之后,不仅在学术研究层面会产生积极的影响,在实际应用层面也将为多个行业带来更多的可能性。作为持有一个重要结论的文本改写任务,改写后的段落结构保持与原版一致的前提下,并对重复率较高的表达进行了必要的替换和重构。同时,通过增加一些细节描述,有效控制了字数范围在30%至50%之间。
  • 】板蓝根颗粒(110VOC+YOLO).zip
    优质
    本数据集包含110张用于板蓝根颗粒目标检测的图像,采用VOC与YOLO两种标注格式,适用于训练和评估相关检测模型。 【目标检测数据集】药品板蓝根颗粒检测数据集包含110张图片,采用Pascal VOC格式与YOLO格式标注(不含分割路径的txt文件),仅包括jpg图片、VOC格式xml文件及yolo格式txt文件。 - 图片数量:111 - 标注数量(xml):111 - 标注数量(txt):111 数据集包含2个类别: - 999ganmaoling 框数 = 49 - banlangen 框数 = 85 总框数为134。 标注工具使用的是labelImg。
  • 】荔枝579片(绿、红、半红)VOC+YOLO.zip
    优质
    本数据集包含579张荔枝图像,涵盖绿色、红色及半熟状态,采用VOC和YOLO格式标注,适用于目标检测与分类模型训练。 数据集格式: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)。 图片数量(jpg文件个数):579 标注数量(xml文件个数):579 标注数量(txt文件个数):579 标注类别数:3 标注类别名称包括绿色、半透明和红色。具体框的数量如下: - 绿色 框数 = 1387 - 半透明 框数 = 892 - 红色 框数 = 632 总框数:2911 使用标注工具为labelImg。
  • 】鱼2798片,涵盖31VOC+YOLO).zip
    优质
    本数据集包含2798张鱼类图像,适用于目标检测任务,涵盖了31种不同的鱼类类别,并提供VOC和YOLO两种格式的标注文件。 数据集格式:VOC格式+YOLO格式 图片数量(jpg文件个数):2798 标注数量(xml文件个数):2798 标注数量(txt文件个数):2798 标注类别数:31 标注类别名称:Bangus、Big Head Carp、Black Spotted Barb、Catfish、Climbing Perch、Fourfinger Threadfish、Freshwater Eel、Glass Perchlet、Goby、Gold Fish、Gourami、Grass Carp、Green Spotted Puffer、Indian Carp、Indo-Pacific Tarpon, Jagua
  • 】跨越栏杆512VOC+YOLO.zip
    优质
    本数据集包含512张图片,旨在帮助训练和测试物体检测模型在复杂场景中准确识别并定位跨越栏杆的行为。以VOC与YOLO两种格式提供,便于多种框架使用。 数据集格式: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)。 图片数量(jpg文件个数):512 标注数量(xml文件个数):512 标注数量(txt文件个数):512 标注类别数:1 标注类别名称:[climbing] 每个类别的标注框数: climbing 框数 = 599 总框数:599 使用标注工具:labelImg