Advertisement

家庭环境中的家具数据集,包含1.2万张图片,共8个类别,以7z压缩包形式存储。

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:7Z


简介:
该数据集主要用于图像分类任务,不适用于目标检测任务,且不包含任何无标注的文件。数据集的格式为仅包含JPG图片,每个类别对应一个独立的文件夹,其中存放着该类别的图片。总共有12000个JPG图片文件。此外,数据集包含8个不同的分类类别。这些类别名称包括:[1shafa, 2xianggui, 3yizi, 4table, 5refrigerator, 6zhiwujia, 7chugui, 8shounahe]。每个类别下都存储了1500张对应的图片,具体如下: 1shafa (沙发图片):1500张 2xianggui (箱柜图片):1500张 3yizi (椅子图片):1500张 4table (桌子图片):1500张 5refrigerator (冰箱图片):1500张 6zhiwujia (置物架图片):1500张 7chugui (橱柜图片):1500张 8shounahe (收纳盒图片):1500张 请注意,本数据集对训练模型或权重文件的精度不作任何形式的保证。数据集仅提供准确且合理地进行分类和存放图片的资源。关于更多信息,可以参考blog..netFL1768317420articledetails139279134。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 像分9346
    优质
    该数据集包含了9346张家具图片,旨在促进家具图像的自动分类研究,为机器学习模型提供丰富的训练和测试资源。 家具分类图片数据集包含9346张家具图像,文件内有每张图像的路径、注释标签以及类别信息。
  • YOLO (28)【内划分好文件】
    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。
  • 打架识75,8558).7z
    优质
    本数据集包含75,855张图像,涵盖八种不同类型的肢体冲突场景,旨在用于训练和测试机器学习模型以准确地识别打架行为。 数据集类型:图像分类用,不可用于目标检测且无标注文件。 数据集格式:包含75855张jpg图片,每个类别单独存储在一个文件夹中。 分类类别数:8个 类别名称及每类图片数量: - hit: 4133 张 - kick: 5950 张 - punch: 8921 张 - push: 10335 张 - ride_horse: 16971 张 - shoot_gun: 9832 张 - stand: 11259 张 - wave: 8454 张 重要说明:暂无。 特别声明:本数据集不对训练的模型或权重文件精度作任何保证,仅提供准确且合理分类存放。
  • 舰船检测卫星遥感(VOC+YOLO格),2238,177z
    优质
    本数据集包含2238张舰船检测图片,采用VOC与YOLO双格式标注,涵盖17种类别,旨在促进遥感图像分析研究。以7z格式压缩便于下载及存储。 数据集格式为Pascal VOC与YOLO格式(不含分割路径的txt文件),只包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件。 图片数量:2238张 标注数量(xml及txt文件个数):各2238份 标注类别总数:17类 具体类别名称包括:“Aircraft Carrier”、“Auxiliary Ships”、“Cargo”、“Commander”、“Container Ship”、“Cruiser”、“Destroyer”、“Dock”、“Frigate”、“Hovercraft”、“Landing”、“Oil Tanker”、“Other Ship”,“Other Warship”,“RoRo”,“Submarine”,及“Yacht”。
  • 电力场景下目标检测(VOC+YOLO格),476和5为.7z
    优质
    本数据集包含476张电力场景图像,涵盖五种特定类别目标,采用VOC与YOLO兼容格式,并以.7z文件形式提供。 数据集格式:Pascal VOC格式+YOLO格式(不含分割路径的txt文件,仅包含jpg图片及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):476 标注数量(xml文件个数):476 标注数量(txt文件个数):476 标注类别数:5 标注类别名称:[damper, insulator, plate, spacer, tower] 每个类别标注的框数: - damper 框数 = 1501 - insulator 框数 = 310 - plate 框数 = 81 - spacer 框数 = 251 - tower 框数 = 252 总框数:2395 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:暂无 特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,仅提供准确且合理的标注。
  • 室内积水检测(VOC+YOLO格),761,1.7z
    优质
    本数据集提供761张室内图像用于积水检测,采用VOC和YOLO双格式存储,专注于单一目标类别——积水区域的识别与标注。压缩包为7z文件格式。 数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):761 标注数量(xml文件个数):761 标注数量(txt文件个数):761 标注类别数:1 标注类别名称:[jishui] 每个类别标注的框数: jishui 框数 = 902 总框数:902 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:暂无 特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,仅提供准确且合理的标注。
  • 高铁受电弓检测(VOC+YOLO格),1245,2.7z
    优质
    本数据集提供针对高铁受电弓的图像识别资源,包括1245张图片及对应标注,支持VOC和YOLO两种格式,涵盖2种类别。 数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):1245 标注数量(xml文件个数):1245 标注数量(txt文件个数):1245 标注类别数:2 标注类别名称:[roi, sdg] 每个类别标注的框数: - roi 框数 = 1245 - sdg 框数 = 1245 总框数:2490 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:暂无 特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,仅提供准确且合理的标注。
  • 昆虫识(VOC+YOLO格),1873,7.7z
    优质
    本数据集包含1873张图像和七个不同的昆虫类别,采用VOC与YOLO兼容格式,适用于昆虫识别任务的模型训练和验证。 数据集格式:Pascal VOC 格式 + YOLO 格式(不包含分割路径的 txt 文件,仅包含 jpg 图片及对应的 VOC 格式 xml 文件和 YOLO 格式 txt 文件)。 图片数量(jpg 文件个数):1873 标注数量(xml 文件个数):1873 标注数量(txt 文件个数):1873 标注类别数目:7 标注类别名称:Boerner, Leconte, Linnaeus, acuminatus, armandi, coleoptera, 和linnaeus 每个类别的标注框数: - Boerner 框数 = 1859 - Leconte 框数 = 2711 - Linnaeus 框数 = 1046 - acuminatus 框数 = 1130 - armandi 框数 = 1932 - coleoptera 框数 = 2163 - linnaeus 框数 = 907 总框数:11748 使用标注工具:labelImg 标注规则:对类别进行画矩形框。 重要说明: 暂无特别声明。
  • 岩石型识(VOC+YOLO格),4766,9.7z
    优质
    本数据集包含4766张用于岩石类型识别的图像,涵盖九种类别。采用VOC和YOLO兼容格式,便于训练高效的目标检测模型。压缩文件为7z格式。 数据集格式为Pascal VOC格式与YOLO格式(仅包含jpg图片及对应的VOC格式xml文件和yolo格式txt文件)。 图片数量:4766张 标注数量: - xml文件个数:4766份 - txt文件个数:4766份 标注类别总数为9种,具体名称如下: 1. Igneous_Basalt 2. Igneous_Diorite 3. Igneous_Granite 4. Metamorphic_Marble 5. Metamorphic_Quartize 6. Sedimentary_Chalk 7. Sedimentary_Limestone 8. Sedimentary_Sandstone 9. Sedimentary_coal