Advertisement

vegetables.zip内含3类蔬菜(黄瓜、生菜、莲藕),每类有100张RGB图像

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


简介:
vegetables.zip数据集包含3种蔬菜的RGB图像共计300张,其中包括黄瓜、生菜和莲藕各100张图片,适用于图像识别与分类任务。 vegetables包含3类蔬菜(黄瓜、生菜、莲藕),每类包含100张RGB图片。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • vegetables.zip3),100RGB
    优质
    vegetables.zip数据集包含3种蔬菜的RGB图像共计300张,其中包括黄瓜、生菜和莲藕各100张图片,适用于图像识别与分类任务。 vegetables包含3类蔬菜(黄瓜、生菜、莲藕),每类包含100张RGB图片。
  • 数据库,涵盖豆、苦、冬、茄子、西兰花、卷心、辣椒、胡萝卜、花椰、木、土豆、南、萝卜及西红柿
    优质
    本数据库收录了包括豆类、苦瓜等在内的15种常见蔬菜的高清图像,旨在为农业研究与教育提供全面详实的视觉资料。 该蔬菜分类图像数据集包含三个文件夹:train(15000张图片)、test(3000张图片)以及validation(3000张图片)。每个大文件夹内有不同种类的蔬菜子文件夹,共涵盖常见的15种蔬菜。这些蔬菜包括豆子、苦瓜、冬瓜、茄子、西兰花、卷心菜、辣椒、胡萝卜、花椰菜、黄瓜、木瓜、土豆、南瓜、萝卜和西红柿。整个数据集包含21000张图片,每类蔬菜有1400张图像,尺寸为224×224。
  • YOLO水果数据集90000片及131.rar
    优质
    这是一个包含90000张图像和131种类别的YOLO格式水果蔬菜数据集压缩文件,适用于物体检测与识别研究。 YOLO水果蔬菜数据集包含真实场景中的高质量图片,格式为jpg,涵盖丰富多样的实际应用场景,共有131个类别。详情及更多数据集可在相关文章中查看。
  • 36常见水果识别分数据集(3600片).zip
    优质
    本数据集包含36类常见水果和蔬菜共3600张图像,每类别100张。适用于图像识别与分类研究,有助于提升模型对果蔬的辨识能力。 该数据集包含36类果蔬的图像共计3600张,分为水果和蔬菜两大类。其中水果包括香蕉、苹果、梨、葡萄、橙子、猕猴桃、西瓜、石榴、菠萝和芒果;蔬菜则有黄瓜、胡萝卜、辣椒(包括甜椒)、洋葱、马铃薯(包括红薯)、柠檬(虽然通常归为水果)、番茄(西红柿)、萝卜(含多种类型如白萝卜等)、甜菜根、卷心菜、生菜、菠菜、大豆、花椰菜和豌豆。数据集分为三个子文件夹:训练集,每个类别包含100张图像;测试集,每个类别有10张图像用于评估模型性能;验证集,同样为每类提供10张图像以确保模型在不同条件下的表现稳定性。这些图像按具体食品名称分类存储于各个相应的子文件夹中。
  • 30种常见鱼数据集(30至100照片)
    优质
    这是一个独特且详尽的数据集合,包含了三十种常见的鱼类物种,每个种类拥有从30到100张的照片,为研究和识别提供了丰富的视觉资源。 该数据集包含30种常见的鱼类图像,每类鱼的图片数量在30到100张之间不等。
  • 片数据集(JPG格式,15种别,超过2万
    优质
    本蔬菜图片数据集包含15种不同类别,总计逾2万张高质量JPG格式图像,为机器学习与计算机视觉研究提供了丰富资源。 此数据集包含来自15个类别的21000张图像,每个类别共有1400张图像。各个类别的比例相等,所有图片的分辨率为224×224,并以*.jpg格式存储。我们将该数据集分为三部分:大约70%用于训练,约15%用于测试,剩余的约15%则作为验证使用。
  • Ox-Flowers17: 17种花卉的RGB集,80
    优质
    Ox-Flowers17是一个包含17类花卉的RGB图像集合,每类花卉拥有80张高质量图片,为视觉识别和分类研究提供了丰富资源。 Ox-Flowers17 包含17种不同类型的花,每类包含80张RGB图像。
  • 水果和识别
    优质
    本项目聚焦于开发先进的计算机视觉技术,旨在准确识别与分类各种水果及蔬菜。通过深度学习算法优化图像识别精度,助力现代农业智能化管理与零售业库存高效处理。 用MATLAB编写的果蔬图像识别程序,该程序能够提取颜色特征。
  • 100多种水果的数据集及训练源码(共计9万余片)
    优质
    本数据集包含超过9万张各类蔬菜与水果的高质量图像,涵盖100多个种类,旨在促进食品识别领域的研究和应用。同时提供详细的标注信息及模型训练代码,助力科研人员快速开展相关实验。 包含水果和蔬菜的高质量图像数据集包括以下种类:苹果(品种有Crimson Snow、Golden、Golden-Red、Granny Smith、Pink Lady、Red以及Red Delicious)、杏子、鳄梨及其成熟版本,香蕉(黄色与红色及Lady Finger),红甜菜根,蓝莓,仙人掌果,哈密瓜的两个不同品种,杨桃;蔬菜方面有花椰菜,樱桃的不同种类和Rainier品种;樱桃蜡(包括黄色、红色、黑色);栗子,克莱门汀柑橘类水果以及椰子。此外还有带壳玉米及成熟黄瓜,枣子与茄子等常见食材;无花果及其根茎姜黄亦在其中。西番莲果实也囊括于内,葡萄则分为蓝色、粉色和白色(不同品种);葡萄柚包括粉红和白两种颜色的类型;番石榴以及榛子、越橘及猕猴桃均包含在此数据集中,柿子与大头菜同样被纳入考量范围。金桔及其变种柠檬(普通型Meyer)、酸橙、荔枝亦是其中之物,橘子则包括芒果(绿色和红色)在内的诸多水果种类;Mangostan、Maracuja以及Melon Piel de Sapo等异域风味的水果也位列其中。桑葚及油桃(常规和平扁两种类型)也是该数据集的一部分。 总体而言,此高质量图像数据库包含共计90483张图片:训练集中有67692张单一水果或蔬菜的照片;测试集则由22688张此类照片构成;还有103张展示多种水果组合(不同种类)的图象。
  • 狗狗数据集(20种别,180照片)
    优质
    本数据集包含3600张高质量图片,涵盖20种不同犬种,每个类别均有180幅图像,适用于深度学习模型训练和测试。 训练狗狗进行分类识别可以通过参考视频教程来学习。例如,在B站上有一个关于如何训练狗狗的视频(原链接:https://www.bilibili.com/video/av33504629),这个视频提供了详细的指导和技巧,可以帮助你更好地理解和实践这一过程。