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】

5星

浏览量: 0

大小:None

文件类型：7Z

简介：
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。

全部评论 (0)

还没有任何评论哟~

客服

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：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：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：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。

水稻叶穗病害的分类数据集（含4078张图片，4种类别）.7z

优质

本数据集包含4078张图片，涵盖了水稻生长过程中可能遇到的四种不同类型的叶穗病害，为研究和分析提供了详实的数据支持。数据集类型：用于图像分类的数据集，不可用于目标检测且无标注文件。数据集格式：仅包含jpg图片，每个类别对应一个文件夹，并在该文件夹内存放相应的图片。图片总数（jpg 文件个数）：4078 分类的类别数量：4 具体类别的名称及对应的图片数目如下： - Brown_Spot 图片数：613 - Healthy 图片数：1488 - Leaf_Blast 图片数：977 - Neck_Blast 图片数：1000

YOLO 数据集：货架商品布局检测【含划分数据集、类别文件及数据可视化脚本】

优质

简介：该数据集专注于使用YOLO算法进行货架商品布局检测，包含详细的数据划分、类别定义以及用于数据分析和可视化的实用脚本。项目包含货架商品摆放检测的相关内容：划分好的数据集、类别class文件以及用于数据可视化的脚本。这些数据按照YOLOV5的文件夹结构保存，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640*640的大分辨率RGB图片，涵盖商品零售架上的商品状态（如是否有货或摆放是否倾斜等）。标注信息完整，并且每张图中包含多个需要识别的目标。部分图像进行了增强处理，包括椒盐噪声和马赛克拼接两种方式。数据集的类别有三种：1. 有货；2. 空的；3. 商品摆放错误。整个数据集压缩后的大小为228 MB，分为训练集和验证集： - 训练集（datasets-images-train）包含2104张图片及对应的标签txt文件； - 验证集（datasets-images-val）则有152张图片及其标签。此外还提供了类别信息的文本段落件，方便查看。为了更好地了解数据情况，项目中还包括一个可视化脚本。只需随机传入一张图即可绘制边界框，并保存在当前目录下。此脚本无需做任何更改，可以直接运行以进行图像可视化操作。

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。