Advertisement

极端天气图像数据集 - 60,000张各类天气图片 - 文件含下载链接

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

简介：
本数据集包含60,000张展示各种极端天气状况的高质量图片，适用于气象研究、模型训练等领域。文件提供直接下载链接。 该数据集包含6个常见天气类别的60000张图像，这些类别包括晴天、多云、下雨、下雪、薄雾和雷雨天气。各类别图片数量如下：晴天10000张，多云10000张，雨天10000张，大雪10000张，薄雾10000张，雷雨10000张。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 极端天气图像数据集 - 60,000张各类天气图片 - 文件含下载链接
    优质
    本数据集包含60,000张展示各种极端天气状况的高质量图片，适用于气象研究、模型训练等领域。文件提供直接下载链接。 该数据集包含6个常见天气类别的60000张图像，这些类别包括晴天、多云、下雨、下雪、薄雾和雷雨天气。各类别图片数量如下：晴天10000张，多云10000张，雨天10000张，大雪10000张，薄雾10000张，雷雨10000张。
     
  • 包含1530张图片的天气数据集（五种不同的天气状况）
    优质
    这是一个庞大的图像数据库，收录了超过1500张描绘不同天气条件下的场景照片。该资料库涵盖了五种主要天气类型，为研究和开发基于视觉的气象识别系统提供了宝贵资源。 天气数据集包含1530张图片，展示了五种不同的天气情况。该数据集包括六个文件夹：五个文件夹分别包含每个类别的图像，另一个文件夹则包含了所有类别中的图像。此外，还有一个CSV文件用于标注alien-test文件夹中图像的标签。
     
  • PyTorch天气识别代码及包含四种天气类型的2300张图片的数据集.rar
    优质
    本资源提供一个PyTorch实现的天气识别项目代码和相关数据集。数据集包括晴天、雨天、雪天和阴天共2300张图片，可用于训练图像分类模型。 PyTorch天气检测代码搭配四种天气类型的2300张图片数据集，这些高质量的真实场景图片格式为jpg，并且包含丰富的数据场景。关于数据集的详细展示和更多下载信息，请参考相关文章。
     
  • WeatherDataset: 多类别天气图像分类的数据集
    优质
    WeatherDataset是一个多类别天气图像分类的数据集，包含多种天气条件下的高质量图片，旨在促进气象识别技术的研究与发展。 天气数据集用于多类天气图像分类的网络。 在TensorBoard上展示图。 进行准确性测试、精度训练以及损失测试与火车（损失训练）的相关工作。
     
  • 天气图片识别数据集.zip
    优质
    该数据集包含了丰富的天气相关图片样本，旨在用于训练和测试天气图片识别模型，涵盖多种天气状况。 天气图像识别数据集.zip
     
  • 高速公路上天气状况图像分类数据集【已标注，约16,000张图片】
    优质
    本数据集包含约16,000张高速公路天气状况图像，每张图片均已详细标注。旨在为研究者提供高质量的数据支持，促进智能交通系统的研发与应用。 高速公路上的天气情况图像分类数据集【已标注，约16,000张图片】 分类个数【3】：晴天、雨天、雾天（具体查看json文件） 划分了训练集和测试集，并分别存放各自类别的图片。如果想可视化数据集，可以运行资源中的show脚本。 CNN分类网络改进的相关内容可以在相关博客中找到。 更多图像分类、图像分割（医学）、目标检测（yolo）的项目以及相应网络的改进信息也可以在个人主页上查看。
     
  • 电气类变压器红外图像数据集（含300余张图片）
    优质
    本数据集提供了涵盖多种故障模式的电气类变压器红外图像，共包含超过300张图片，旨在促进变压器热异常检测研究。 内含变压器红外图像数据集，包含300多张无标签图片，主要展示不同配置下的变压器红外图像。该数据集适用于电气工程专业在计算机视觉应用领域的研究工作，例如目标检测、图像识别及深度学习等项目。相关下载链接和提取码信息可在配套的txt文件中找到，请放心下载使用。
     
  • 恶劣天气（大雾、暴雨、沙尘暴、暴雪）图像分类数据集【含标注，约1,000张图片】
    优质
    本数据集包含约1,000张各种恶劣天气条件下的高质量图像，涵盖大雾、暴雨、沙尘暴和暴雪等场景，并附有详细标注。适用于气象研究及智能驾驶技术研发。 我们有一个包含恶劣天气图像的分类数据集，其中包括大约1,000张已标注的大雾、暴雨、沙尘暴和暴雪图片。这些图片被分为四个类别，并且已经划分了训练集与测试集。 每个类别的图片存储在各自的文件夹中。如果需要可视化这个数据集，可以运行资源中的show脚本进行查看。 此外，我们还提供了一个基于CNN的分类网络项目以及一个图像分割完整项目的相关文档。还有一个关于如何改进Yolov5的具体说明。 更多与图像分类、医学领域的图像分割及目标检测（使用YOLO）相关的项目和相应神经网络的改进细节可以在我们的主页上找到。