Advertisement

西瓜成熟度图像分类数据集【含标注，约600张图片】

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

简介：
本数据集包含约600张西瓜成熟度图像，并附有详细标注信息，旨在促进农业领域中基于视觉的果实成熟度识别研究。 西瓜成熟度图像分类数据集【已标注，约600张图片】 分类个数【3】：成熟、半熟、未熟 划分了训练集、测试集，并将各自同一类别的图片存放在一起。如果想可视化数据集，可以运行资源中的show脚本。 对于CNN分类网络的改进内容可参考相关文献或资料。此外，还有更多图像分类、图像分割（医学）、目标检测（yolo）等相关项目及相应网络的改进信息可供查阅。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 西瓜成熟度图像分类数据集【含标注，约600张图片】
    优质
    本数据集包含约600张西瓜成熟度图像，并附有详细标注信息，旨在促进农业领域中基于视觉的果实成熟度识别研究。 西瓜成熟度图像分类数据集【已标注，约600张图片】 分类个数【3】：成熟、半熟、未熟 划分了训练集、测试集，并将各自同一类别的图片存放在一起。如果想可视化数据集，可以运行资源中的show脚本。 对于CNN分类网络的改进内容可参考相关文献或资料。此外，还有更多图像分类、图像分割（医学）、目标检测（yolo）等相关项目及相应网络的改进信息可供查阅。
     
  • 玉米病害图像分类数据集【含标注信息，约2,800张图片】
    优质
    本数据集包含约2,800张玉米病害图像及详细标注信息，旨在促进作物疾病识别研究与应用。 玉米病害图像分类数据集【已标注，约2,800张数据】 分类个数【4】：尾孢叶斑灰、普通锈蚀等【具体查看json文件】 划分了训练集、验证集、测试集。存放各自的同一类数据图片。如果想可视化数据集，可以运行资源中的show脚本。 改进的CNN分类网络可参考相关文献和资料。 更多图像分类、图像分割（医学）、目标检测（yolo）项目及相应网络的改进，可以在本人主页上查看。
     
  • 辣椒病虫害图像分类数据集【包含约7,500张标注图片】
    优质
    本数据集提供了超过7,500张经过详细标注的辣椒病虫害图片，涵盖多种常见疾病与害虫，为深度学习研究提供丰富资源。 辣椒病虫害图像分类数据集【已标注，约7,500张数据】 类别数量【11】：炭疽病、螨虫、温度不适、缺素等【具体查看json文件】 划分了训练集与测试集，并将各自的数据图片存放于相应目录。如果想可视化数据集，可以运行资源中的show脚本。 提供了一些基于CNN的分类网络项目和图像分割完整项目的介绍，以及对YOLOv5模型进行改进的相关内容。 对于更多关于图像分类、医学图像分割及目标检测（使用yolo）等领域的项目与相应网络改进的内容，请参考本人主页。
     
  • 西红柿成熟度分类数据集（LabelMe格式，含686张图片，3个类别）.zip
    优质
    本数据集包含686张采用LabelMe标注工具标记的西红柿图像，涵盖未熟、半熟和全熟三个阶段，适用于机器视觉与农业自动化研究。 样本图：请到服务器资源预览或详情查看后下载。 数据集格式为labelme格式（不包含mask文件，仅包括jpg图片及其对应的json文件）。 - 图片数量（jpg文件个数）：686张 - 标注数量（json文件个数）：686份 - 标注类别数：3类 - 标注类别名称：[未成熟, 成熟, 腐烂] 每个类别标注的框的数量： - 未成熟计数 = 2452 - 成熟计数 = 1268 - 腐烂计数 = 710 使用了labelme v5.5.0进行标注，对各类别进行了多边形（polygon）的绘制。 重要说明：可以利用LabelMe软件打开并编辑数据集。需要自行将json格式的数据转换为mask、yolo或coco格式以用于语义分割或者实例分割。 特别声明：本数据集中提供的标注信息准确且合理，并不对训练模型后的精度做出任何保证。
     
  • 大豆叶病害图像分类数据集【含标注信息，约3,600张图片】
    优质
    本数据集包含超过三千六百张大豆叶病害图像及其详细标注信息，旨在促进植物病理学领域的研究与应用。 大豆叶片病害图像分类数据集【已标注，约3,600张数据】 分类个数【3】：炭疽病、健康、锈病【具体查看json文件】 划分了训练集、验证集、测试集。存放各自的同一类数据图片。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。 更多关于图像分类、图像分割（医学）、目标检测（yolo）的项目以及相应网络的改进，也可以在个人主页上查看。
     
  • 11种常见动物的图像分类数据集【已标注，包含约7000张图片】
    优质
    这是一个包含了大约7000张图片的数据集，涵盖了11种常见的动物种类，并且每一张图片都已经进行了详细的标注。非常适合用于图像分类的研究和学习。 11种常见动物图像分类数据集【已标注，约7000张数据】 该数据经过预处理，可以直接作为分类网络的输入使用。 包含的类别有【11】：狗、牛、羊、老虎、猪等（具体查看json文件）。 划分了训练集和测试集，并分别存放各自同一类别的图片。如果想可视化数据集，可以运行资源中的show脚本。 有关图像分类与分割网络改进的内容可以在相关博客中查阅；计算机视觉的完整项目也可以在其他文章中找到。
     
  • 细胞核图像分割数据集（含600张图片，提供JSON及COCO格式标注）
    优质
    本数据集包含600张高质量细胞核图像及其精细标注，支持JSON与COCO格式。旨在促进生物医学领域中自动化细胞分析技术的发展和应用。 其中包括一个包含600张以上细胞核图像的分割数据集，为医疗图像人工智能等领域从业者提供支持，并附有json格式和coco格式的标注文件。
     
  • 包含四类垃圾的标注数据集（约3000张图片）
    优质
    本数据集包含了大约3000张图片，涵盖了四大类生活垃圾图像，为垃圾分类相关模型训练提供了详实的数据支持。 2023年比赛要求如下：初赛阶段生活垃圾智能分类装置需识别的四类垃圾主要包括： 1. 有害垃圾：包括各种型号电池（如1号、2号、5号）、过期药品及内包装等； 2. 可回收垃圾：易拉罐和小矿泉水瓶； 3. 厨余垃圾：例如小土豆、切过的白萝卜或胡萝卜，尺寸与电池相当； 4. 其他垃圾：包括瓷片、鹅卵石（大小类似小土豆）以及砖块等。 进入决赛后，生活垃圾智能分类装置需要识别的四类垃圾种类和形状将通过现场抽签决定。此外，在决赛中同时投入进行识别处理的垃圾数量至少为两件及以上，并且每种垃圾重量均不超过150克。
     
  • Yolov5垃圾分类数据集含3000张标注图片
    优质
    本项目提供了一个基于YOLOv5框架的垃圾分类数据集，包含3000多张详细标注的图像，旨在促进智能垃圾分类算法的研究与开发。 yolov5垃圾分类数据集包含三千张已标注的图片。
     
  • 西红柿成熟度识别数据集（1952张图片）- 包含VOC、YOLO和JSON格式标注文件.zip
    优质
    本数据集包含1952张西红柿图像及其成熟度信息，提供VOC、YOLO及JSON三种格式的标注文件，便于机器学习模型训练与测试。 西红柿识别检测数据集适用于课程作业、设计项目及比赛需求，在实际应用方面可用于智慧农业中的西红柿成熟度识别系统以及蔬菜成熟度判断等领域。 该数据集中包含1952张图片，背景丰富且具有多样性，目标分布均匀，并附有精准的标注信息。算法拟合效果良好，质量可靠。此数据集提供了三种标签格式：VOC（xml）、YOLO（txt）和JSON。类别名称包括“ripe”(成熟) 和 “immature” (未成熟)，是博主在西红柿机器臂采摘项目中的使用资料。多种目标检测算法可以直接应用于此数据集中。