Advertisement

YOLO 数据集：家庭环境中家具识别（28类）【内含划分好的数据集及类别文件】

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

简介：
本资源提供了一个包含28种类别家具的家庭环境下的YOLO数据集，包括精确标注和清晰分类，适用于训练高效的物体检测模型。 项目包含家庭场景下的家具识别（28类别），数据集已经划分好，并附有类别class文件。图像分辨率为640*640的大分辨率RGB图片，训练集共有5757张图像、验证集有520张图像，均已标注。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • YOLO 数据集：家庭环境中家具识别（28类）【内含划分好的数据集及类别文件】
    优质
    本资源提供了一个包含28种类别家具的家庭环境下的YOLO数据集，包括精确标注和清晰分类，适用于训练高效的物体检测模型。 项目包含家庭场景下的家具识别（28类别），数据集已经划分好，并附有类别class文件。图像分辨率为640*640的大分辨率RGB图片，训练集共有5757张图像、验证集有520张图像，均已标注。
     
  • YOLO 数据集：水稻稻穗识别（1类）【含划分好数据集、类别文件及数据可视化脚本】
    优质
    该资源提供了一个专门用于水稻稻穗识别的数据集，包含完整的标注图像和类别定义，并附带数据可视化工具。 数据保存按照YOLOV5文件夹结构进行组织，可以直接用于Yolo检测。 标注格式如下：classes、x_centre、y_centre、w、h（使用的是YOLO的相对坐标系统）。 【数据集类别】包含1个类别：稻穗 该数据集分为训练集和验证集： - 训练集(datasets-images-train)包括6108张图片及对应的6108个标签txt文件。 - 验证集(datasets-images-val)则有530张图片及其相应的530个标签txt文件。 【类别文本段落件】：每个类别的标注信息都保存在单独的.txt格式文档中，方便查看和管理。 为了便于直观地检查数据情况，我们提供了一个可视化py脚本。只需随机选取一张图像作为输入参数即可绘制出边界框，并将其保存至当前工作目录下。此脚本无需任何修改就可以直接运行以生成可视化的图像结果。 对于YOLOV5的改进与实战应用相关内容，请参考相关博客文章或官方文档获取更多信息。
     
  • YOLO 数据集：瓷砖裂缝识别与检测（含2类分类）【内附划分好的数据集、类别文件及数据可视化脚本】
    优质
    本项目提供了一个用于瓷砖裂缝识别的数据集，包含两类分类标签。数据集已划分为训练集和测试集，并配有类别文件及数据可视化脚本，便于快速上手使用。 1700 张左右使用lableimg标注软件进行标记的图片，格式为png，标签以txt文本形式保存在不同目录下。这些数据可用于瓷砖裂缝检测，并可通过翻转、添加噪声等方法增强部分数据集。 总共包含两个类别：裂缝和正常。具体类别的信息可以在classes.txt 文件中查看。 为了方便查看数据，提供了一个可视化py文件，可以随机传入一张图片来绘制边界框并保存在当前目录下。此脚本无需更改即可直接运行以生成可视化图像。
     
  • YOLO 数据集：鱼类疾病图像识别【含预划分数据集、类别文件及可视化脚本】
    优质
    这是一个用于鱼类疾病的图像识别的数据集，包含已分类的图片和可视化工具，旨在帮助研究者进行模型训练与验证。 YOLO 数据集：鱼身上疾病图像目标检测【包含划分好的数据集、类别class文件、数据可视化脚本】 该数据集按照YOLOV5文件夹结构保存，可以直接用于yolo模型训练。 类别个数（5）：细菌性疾病、真菌性疾病、健康鱼、寄生虫病、白尾病【具体参考classes文件】 数据结构如下： - 训练集包含约720张图片和对应的标签txt文件。 - 验证集包括大约100张图片及其对应标签的txt文件。 - 测试集中有约100张图片及相应的标签txt文件。 为了方便查看数据，提供了可视化py脚本。只需随机传入一张图像即可绘制边界框，并且保存在当前目录中。此脚本无需修改，可以直接运行以生成可视化图像。
     
  • YOLO 数据集：九种岩石检测【含划分好的数据集、类别Class文件及数据可视化脚本】
    优质
    该资料提供了一个专为九种不同岩石类型设计的YOLO数据集，包括预划分的数据集、类别定义文件以及用于数据可视化的Python脚本。 项目包含：9种岩石检测【包括划分好的数据集、类别class文件、数据可视化脚本】，数据保存按照YOLOV5的格式存储，可以直接用作目标检测的数据集，无需额外处理。 图像分辨率为640*640的大分辨率RGB图片，涵盖各种各样的岩石样本。对原始图像进行了马赛克增强（即四张图片融合在一起），标注完整且每张图包含多个目标物体。 标签格式为：类别、x中心点坐标、y中心点坐标、宽度和高度（YOLO的相对坐标）。 【数据集类别】9种类型：玄武岩、石灰岩、沉积岩等 【数据分组】 - 训练集(datasets-images-train)包含12501张图片及对应的标签文件。 - 验证集(datasets-images-val)包括1104张图片和相应的标签文件。 项目还提供了类别信息的txt文本，方便分类识别。为帮助用户更好地理解数据集内容，我们提供了一个可视化脚本（py文件），只需输入一张图像即可绘制出边界框并保存在当前目录下。该脚本无需修改，可以直接运行以生成可视化的结果图。
     
  • YOLO 息肉检测数据集(Kvasir-SEG) 【含分类别数据集、类文件及数据可视化工具】
    优质
    本项目提供YOLO格式的息肉检测数据集Kvasir-SEG，包括各类别图像数据、标签文件以及用于数据可视化的工具，助力医学影像研究。 项目包含：息肉（Kvasir-SEG）检测（1类别），包括划分好的数据集、类别class文件以及数据可视化脚本。数据保存遵循YOLO项目的文件夹结构，可以直接用于目标检测任务，无需额外处理。 图像分辨率为332x487到1920x1072的RGB图片，涵盖息肉检测的数据集。每张图中的标注边界框完整且清晰可见。 标注格式为：类别、中心点（x坐标和y坐标）、宽度w和高度h （YOLO相对坐标）。 数据集中包含一个类别：息肉（具体信息可查看classes.txt文件） 压缩后的总大小为57 MB，分为训练集和验证集： - 训练集由800张图片及其对应的800个标签txt文件组成。 - 验证集则包括200张图片及相应的200个标签txt文件。 为了便于查看数据，提供了可视化py脚本。只需随机传入一张图像即可绘制边界框，并保存到当前目录下。该脚本无需修改，可以直接运行以生成可视化的图象。