Advertisement

眼睛瞳孔与虹膜分割数据集(LabelMe格式,含2662张图片,2个类别).7z

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


简介:
本数据集包含2662张图片,采用LabelMe格式标注,涵盖眼睛瞳孔和虹膜两个类别,适用于眼部特征识别与分割研究。 样本图由labelme工具以5.5.0版本进行标注。 数据集格式为labelme格式(不包含mask文件,仅包含jpg图片及其对应的json文件)。 - 图片数量(jpg文件个数):2662张 - 标注数量(json文件个数):2662份 - 标注类别总数:2类 - 类别名称包括pupil和iris - 每一类别的标注框数量: - pupil的标注框共2660个 - iris的标注框共2666个 使用多边形(polygon)进行各分类对象的标记。 重要说明:用户可以利用labelme软件打开并编辑数据集,同时需要自行将json格式的数据转换为mask、yolo或coco等其他形式以用于语义分割或者实例分割任务。 请注意,本数据集不对训练模型及其权重文件的精度提供任何保证;提供的仅是准确且合理的标注信息。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • LabelMe26622).7z
    优质
    本数据集包含2662张图片,采用LabelMe格式标注,涵盖眼睛瞳孔和虹膜两个类别,适用于眼部特征识别与分割研究。 样本图由labelme工具以5.5.0版本进行标注。 数据集格式为labelme格式(不包含mask文件,仅包含jpg图片及其对应的json文件)。 - 图片数量(jpg文件个数):2662张 - 标注数量(json文件个数):2662份 - 标注类别总数:2类 - 类别名称包括pupil和iris - 每一类别的标注框数量: - pupil的标注框共2660个 - iris的标注框共2666个 使用多边形(polygon)进行各分类对象的标记。 重要说明:用户可以利用labelme软件打开并编辑数据集,同时需要自行将json格式的数据转换为mask、yolo或coco等其他形式以用于语义分割或者实例分割任务。 请注意,本数据集不对训练模型及其权重文件的精度提供任何保证;提供的仅是准确且合理的标注信息。
  • 烟雾明火LabelMe52052).zip
    优质
    本数据集包含5205张图像,采用LabelMe标注格式,旨在区分烟雾和明火两类视觉特征,适用于目标检测与分类研究。 样本图展示的是一个包含5205张jpg图片及其对应json文件的数据集,这些数据是使用labelme 5.5.0工具标注的,并遵循特定规则进行多边形框polygon绘制。 该数据集中包括两个类别:smoke(烟)和fire(火)。具体来说: - smoke类别的标注数量为2354个。 - fire类别的标注数量为13438个。 为了使用这些数据,可以将整个数据集导入labelme工具进行进一步编辑。需要注意的是,json文件需要手动转换成mask、yolo或coco格式以便于语义分割或者实例分割的训练任务。 特别提示:此数据集中提供的标记是准确且合理的,但不保证基于该数据集训练出模型的具体精度表现。
  • MATLAB
    优质
    本项目利用MATLAB平台开发虹膜和瞳孔识别系统,结合图像处理技术,实现高精度生物特征识别,适用于安全认证、用户身份验证等领域。 在使用MATLAB进行瞳孔虹膜识别时,可以通过区域生长函数regiongrowing来提取感兴趣区域,并利用LM椭圆拟合算法计算出半径。这种方法结合了图像处理中的两种重要技术,能够高效准确地完成瞳孔与虹膜的定位和尺寸测量任务。
  • 肾结石医学LabelMe359,1).zip
    优质
    本资料包含359张用于肾结石识别与研究的医学图像,采用LabelMe标注格式,提供单一类别的精确分割信息。适合深度学习和计算机视觉领域相关科研使用。 样本图展示在博客文章内。 文件存储于服务器上,请务必通过电脑端预览资源详情后再进行下载。 数据集格式:采用labelme标准(不含mask文件,仅包括jpg图片及对应的json文件)。 图片数量(即jpg文件个数):359张; 标注数量(即json文件个数):359份; 标注类别总数为1类; 具体标注类别名称如下: - 肾结石 (kidney stone) 每个类别的标注框数量统计如下: - 肾结石的标注框总计有 512 个。 使用工具:labelme版本号5.5.0 注释规则:对目标进行多边形绘制(polygon)。 特别说明:可利用labelme软件打开并编辑数据集,但需自行将json格式转换为mask、yolo或coco等格式以支持语义分割和实例分割任务。 重要声明:本数据集中不保证训练模型的精度与权重文件的质量,仅确保提供的标注信息准确合理。
  • 使用PyTorch和U2Net进行
    优质
    本研究采用PyTorch框架下的U2Net模型,专注于高效准确地实现眼球中虹膜与瞳孔区域的自动分割。通过深度学习技术优化眼部特征识别,为生物认证等领域提供精确的数据支持。 资源包含235张训练用数据,已标注眼球、虹膜和瞳仁的位置,并提供了u2net和u2netp的预训练模型。安装依赖后可以直接运行脚本获取生成的结果。如果有不明白的地方,请参考个人博客中的使用指南。如果在获取资源后无法执行,请联系我寻求帮助。
  • 舌头labelme25571.zip
    优质
    样本图:blog..net/FL1623863129/article/details/144472209 数据集格式:labelme格式(不包含mask文件,仅仅包含jpg图片和对应的json文件) 图片数量(jpg文件个数):2557 标注数量(json文件个数):2557 标注类别数:1 标注类别名称:[tongue] 每个类别标注的框数: tongue count = 2557 使用标注工具:labelme=5.5.0 标注规则:对类别进行画多边形框polygon 重要说明:可以将数据集用labelme打开编辑,json数据集需自己转成mask或者yolo格式或者coco格式作语义分割或者实例分割 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,数据集只提供准确且合理标注
  • 西红柿成熟度LabelMe686,3).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。
  • 智慧城市道路LabelMe26481.zip智慧城市道路LabelMe26481.zip
    优质
    样本图链接:[此处插入链接]请将文件放置于服务器上,并建议在电脑端的资源预览页面或详细资料页面中查看下载。统计显示,共有2,648张.jpg图片文件。对应的标注数据量为2,648份.json文件。仅涉及一个类别进行标注。该类别的名称列表为[road]。在road类别上,总计绘制了2,782张多边形框。您可使用labelme软件进行数据集编辑;请注意,必须先将json格式的标注文件转换为mask、yolo或coco中的任意一种格式。该数据集适用于进行语义分割或实例分割任务。请注意,本数据集无法保证对训练的模型或权重文件精度作任何保证。该数据集中提供的标注均为精确且合理的。
  • 无人机飞鸟检测(VOC+YOLO66472).7z
    优质
    本数据集包含6647张图像,用于训练和测试无人机与飞鸟识别模型。采用VOC及YOLO格式标注,涵盖两个分类目标,适用于开发高效的鸟类监测系统。 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):6647 标注数量(xml文件个数):6647 标注数量(txt文件个数):6647 标注类别数:2 标注类别名称:[Bird, Drone] 每个类别标注的框数: - Bird 框数 = 3567 - Drone 框数 = 4290 总框数:7857 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),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。