Advertisement

VOC格式标签的水果检测数据集

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


简介:
本数据集包含大量以VOC格式标注的水果图像,旨在促进水果识别与分类研究,适用于训练和测试相关计算机视觉模型。 该数据集是从COCO2017数据集中提取的水果检测数据,并转换为txt和xml两种格式标签,适用于YOLO算法进行水果识别。目标类别包括香蕉(banana)和苹果(apple)。共有33254个样本。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • VOC
    优质
    本数据集包含大量以VOC格式标注的水果图像,旨在促进水果识别与分类研究,适用于训练和测试相关计算机视觉模型。 该数据集是从COCO2017数据集中提取的水果检测数据,并转换为txt和xml两种格式标签,适用于YOLO算法进行水果识别。目标类别包括香蕉(banana)和苹果(apple)。共有33254个样本。
  • VOCYOLO
    优质
    本数据集包含针对苹果进行目标检测的YOLO格式标签,基于VOC标准进行标注,适用于训练和评估苹果识别模型。 YOLO苹果缺陷目标检测数据集包含700张高质量的真实场景图片,格式为jpg。该数据集涵盖了丰富的应用场景,并分为训练集和验证集两部分。使用lableimg标注软件进行图像标注,确保了标注框的质量,标签采用VOC格式(即xml标签),可以直接用于YOLO系列的目标检测任务中。
  • VOC牙刷
    优质
    本数据集包含大量采用VOC格式标注的牙刷图像及其详细信息,旨在促进智能识别与分类算法的研究与发展。 该数据集是从COCO2017数据集中提取的牙刷检测数据,并转换成了txt和xml两种格式标签,适用于YOLO算法进行牙刷检测。目标类别名为toothbrush,包含10414个样本。
  • VOC行李箱
    优质
    本数据集包含大量以VOC格式标注的行李箱图像,旨在推动相关物体检测算法的研究与发展。 行李箱检测数据集是从COCO2017数据集中提取的,并分别转换成了txt和xml两种格式的标签,适用于YOLO算法进行行李箱检测。目标类别名为suitcase,总共有2507个样本。
  • 烟雾-YOLO与VOC
    优质
    本数据集包含多种环境下的烟雾图像,适用于YOLO及VOC模型训练和测试。提供详细的标注信息以提升火灾早期识别能力。 【实际项目应用】:森林火灾预警监控、室内及厂房消防安全智能监控预警 【数据集说明】:烟雾检测数据集包含4019张图片,涵盖黑烟、白烟、浓烟和轻烟等多种场景的火灾烟雾照片。每张图片经过仔细筛选提取,样本丰富多样,并提供了voc(xml)和yolo(txt)两种格式的标签文件,适用于多种目标检测算法直接使用。所有标注均为手工完成,确保精准度高且与实际情况拟合良好,保证数据集的质量可靠。 如有需要json格式标签,请留言联系。下载后请放心使用!若有任何问题欢迎随时提出。
  • VOC与YOLO
    优质
    本数据集专为水杯检测设计,包含大量标注图像,采用VOC及YOLO两种格式,适用于训练和评估目标检测模型性能。 1. 杯子检测数据集是从COCO2017数据集中提取得到的,并分别转换成了VOC和YOLO格式(即txt和xml两种标签格式),可用于YOLO杯子检测;共有两部分,这里是第二部分数据。 2. 目标类别名:cup; 3. 数量:9579。
  • BDD100kVOC(XML).zip
    优质
    本资源提供BDD100k数据集中视频及图像标注文件的VOC格式(XML)版本,便于用户进行目标检测和语义分割等计算机视觉任务。 BDD100K数据集是由伯克利大学AI实验室(BAIR)发布的目前最大规模、内容最具多样性的公开驾驶数据集。该数据集中包含的类别有[car, bus, person, bike, truck, motor, train, rider, traffic sign, traffic light],常用于街道车辆、行人和交通标识等识别检测任务。 BDD100K的数据标签可以转换为VOC格式的XML文件,这非常方便。具体来说,训练集包含70k个样本,验证集则有10k个样本。如果有任何问题或需要进一步的帮助,请随时留言交流。
  • (含VOC和YOLO).rar
    优质
    该资料包含了一个全面的积水检测数据集,内含多种图像及标注文件,支持VOC与YOLO两种格式,适用于物体检测模型训练与测试。 积水检测数据集包括VOC和YOLO两种数据格式。
  • RAR文件
    优质
    本数据集为一匿名化水果图像集合,包含多种常见及少见水果品种,旨在促进无标签机器学习研究与模型训练,助力于提高图像识别算法性能。 水果检测(fruits)无需标签数据即可进行。