猕猴桃采摘检测数据集【采用VOC格式，含训练集、验证集及类别json文件与可视化脚本】

5星

浏览量: 0

大小:None

文件类型：7Z

简介：
该数据集包含用于猕猴桃采摘任务的图像及其标注信息，以VOC格式提供，并附带训练、验证数据及类别JSON文件和可视化工具。项目包含猕猴桃采摘检测数据集【VOC标注格式，包括训练集、验证集以及类别json文件及可视化脚本】。所有数据按照目录形式保存，并经过测试可以直接作为目标检测的数据集使用。图像分辨率为416*416的RGB图片，每张图中包含多个猕猴桃的目标物体。边界框标记完整无缺。【数据集介绍】类别：猕猴桃【数据集详情】 data目录下分为训练和验证两个子目录。 - 训练集中有202张图像及对应的xml标注文件； - 验证集中包含31张图片及其相应的xml解释文件；此外，提供了一个json字典文件用于描述类别信息。为了便于查看数据集内容，附带了可视化脚本。该脚本能随机选取一张图并绘制边界框，并将结果保存至当前目录下。用户可以直接运行此脚本而无需做任何修改即可得到标注后的图像。关于YOLO实战检测相关教程和Yolov5改进的实践可以参考项目中的其他文档或资源说明进行学习了解。

全部评论 (0)

还没有任何评论哟~

客服

猕猴桃采摘检测数据集【采用VOC格式，含训练集、验证集及类别json文件与可视化脚本】

优质

该数据集包含用于猕猴桃采摘任务的图像及其标注信息，以VOC格式提供，并附带训练、验证数据及类别JSON文件和可视化工具。项目包含猕猴桃采摘检测数据集【VOC标注格式，包括训练集、验证集以及类别json文件及可视化脚本】。所有数据按照目录形式保存，并经过测试可以直接作为目标检测的数据集使用。图像分辨率为416*416的RGB图片，每张图中包含多个猕猴桃的目标物体。边界框标记完整无缺。【数据集介绍】类别：猕猴桃【数据集详情】 data目录下分为训练和验证两个子目录。 - 训练集中有202张图像及对应的xml标注文件； - 验证集中包含31张图片及其相应的xml解释文件；此外，提供了一个json字典文件用于描述类别信息。为了便于查看数据集内容，附带了可视化脚本。该脚本能随机选取一张图并绘制边界框，并将结果保存至当前目录下。用户可以直接运行此脚本而无需做任何修改即可得到标注后的图像。关于YOLO实战检测相关教程和Yolov5改进的实践可以参考项目中的其他文档或资源说明进行学习了解。

樱桃缺陷的YOLO数据集检测（含4类别的训练和验证集）

优质

本研究构建了一个包含四类别标签的高质量樱桃缺陷数据集，并应用YOLO算法进行高效准确的目标检测与分类。项目包括大尺度下的樱桃缺陷检测（4类别：好的、严重破损等），数据集按照YOLOV5文件夹结构保存，可以直接用于目标检测训练与验证，无需额外处理。图像分辨率为约2000*2000的高分辨率RGB图片，边界框标注清晰且完整。每张图包含大量樱桃缺陷目标，前景丰富、标注效果好。数据集分为两个部分： - 训练集（datasets-images-train）：672张图片和对应的标签txt文件。 - 验证集（datasets-images-val）：168张图片及其相应的标签txt文件。每个类别都提供了详细的文本信息，方便查看。此外还提供了一个可视化py脚本，可以随机选取一张图进行边界框绘制，并保存在当前目录下。该脚本无需更改即可直接运行以展示图像效果。

猫狗脸部检测数据集（采用VOC格式的XML文件，已区分训练集与测试集）

优质

本数据集包含大量标注清晰的猫和狗图像，使用VOC格式的XML文件存储详细信息，并分为训练集和测试集两部分。项目包含猫和狗脸部检测图像目标检测数据集（VOC标注格式的xml文件，并已划分训练集和测试集）。数据保存为文件夹形式，经测试可直接用于目标检测任务，无需额外处理。【数据集介绍】该数据集中包括猫和狗的脸部图像，共两个类别：猫、狗。【数据总大小】361MB 【数据集详情】data目录下分为train（训练数据）和test（测试数据）两个主要目录。每个主目录内各有两个子文件夹： - images 存放图片数据； - labels 存放标注文件。具体数量为：训练集中共有2949张jpg格式的图像及其对应的xml解释文件，而测试集包含737张jpg图像和相应的xml说明文档；另外还有1200张未被标记的测试用图。【json 文件】提供了一个包含10个类别的json字典文件以方便查看数据。此外还附带了可视化py脚本，只需随机传入一张图片即可绘制边界框，并且保存在当前目录下。该脚本无需修改就可以直接运行！

香烟破损检测数据集（YOLOV5格式，含6类及训练/验证集）

优质

这是一个专为YOLOv5设计的香烟破损检测数据集，包含六种类别标签和独立的训练、验证数据子集，适用于图像识别与缺陷检测任务。项目包含香烟破损检测的数据集（6个类别），包括训练集与验证集，并按照YOLOV5文件夹结构保存，可直接用于目标检测任务而无需额外处理。图像分辨率为3024*4032的大尺度RGB图片，数据集中包含了各种香烟破损缺陷的样本。该数据集分为六个类别：头部破损、滤嘴破损等六类。【数据集介绍】 - 数据总大小为388MB（训练集和验证集分开） - 训练集包含320张图像及对应的标签txt文件 - 验证集中有80张图像及其相应的标签txt文件为了便于查看，提供了一个可视化py脚本。该脚本能随机选取一张图片并绘制边界框，并将结果保存在当前目录下。此脚本无需修改即可直接运行。

Yolov5火焰检测数据集：单一类别，含训练与验证集

优质

本数据集专为基于YOLOv5的火焰检测模型设计，包含大量标注图像用于训练和验证。专注于单一目标分类，助力提升火灾预防系统的准确性。项目包含火焰检测数据集（1类别），包括训练集和验证集。数据按照YOLOV5文件夹结构保存，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300-800像素的RGB图片，边界框标注清晰且图像完整。该数据集中包含生活中的火焰检测实例。【数据集介绍】类别：火焰（fire）训练集包含： - 图像数量：8236张 - 标签文件：8236个txt文件验证集包含： - 图像数量：2059张 - 标签文件：2059个txt文件【数据总大小压缩后】为591MB。为了方便查看，提供了可视化py脚本。随机传入一张图片即可绘制边界框，并保存在当前目录下。该脚本无需更改，可以直接运行进行图像可视化。

路面缺陷检测的数据集（采用VOC标注格式的xml文件，已划分为训练集与测试集）

优质

本数据集包含大量标记为XML格式的路面图像，依据VOC标准，专门用于训练和评估路面缺陷检测模型，涵盖训练及测试两部分。项目包括路面缺陷检测数据（VOC格式的xml文件），已经划分成训练集和测试集。图像分辨率为600*600像素的RGB图片，用于目标检测的数据集。该数据集中包含4类道路缺陷：纵向裂纹、横向裂纹、坑洞及不规则裂缝。【数据总大小】194 MB 【数据集详情】 - data目录下分为train和test两个主要子目录。 - train目录包括images文件夹（存放2264张训练图片）以及labels文件夹（包含对应的xml标注文件共2264个）。 - test目录同样包括images文件夹（565张测试图片）和labels文件夹（对应565个xml解释文件）。【json文件】 - 提供了表示四个类别的json字典，方便查看数据集信息。此外，项目中还包括一个用于可视化的Python脚本。用户可以随机选择一张图片输入该脚本来绘制边界框，并将结果保存在当前目录下。此脚本无需修改即可直接运行。

宫颈癌检测的医学数据集（YOLOV5目录格式，含1个类别及训练和验证集）

优质

这是一个采用YOLOv5目录结构设计的宫颈癌检测用医学图像数据集，包含单一目标类别及其对应的训练与验证子集。项目包含宫颈癌检测数据集（1类别），包括训练集和验证集。数据保存遵循YOLOV5文件夹结构，可以直接用于目标检测任务而无需额外处理。图像分辨率为1000-4000像素的RGB图片，涵盖宫颈癌病状检测，边界框标注清晰且完整。由于这些高分辨率图像是为了适应小目标范围内的检测需求设计的。数据集包含一个类别：cancer 压缩后的总大小为615MB（分为训练集和验证集）： - 训练集包括816张图片及对应的816个标签txt文件 - 验证集包括216张图片及对应的216个标签txt文件提供了一个可视化py脚本，可以随机选取一张图像并绘制边界框，并将其保存在当前目录下。此脚本无需修改即可直接运行以查看效果。