Advertisement

包含20000个样本的数据集，其中10000个用于测试集合。

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

简介：
该数据集包含20000个样本，其中10000个用于测试，主要服务于验证码识别模型的训练、验证和学习。该数据集为带标签的训练集（label.csv），存储在名为“train”的文件夹中。图像尺寸最初设定为105像素乘以35像素，但可以灵活调整为120像素乘以40像素，以满足人工智能图片验证码识别任务对数据集的训练需求。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 验证码数据集（含20000训练样本及10000测试样本）
    优质
    本数据集包含30000个验证码图像样本，旨在提升模型识别能力。其中，20000张图片用于训练，10000张作为测试集以评估模型性能。 验证码数据集包含20000个样本用于训练验证码识别模型，并配有10000个测试集合的数据。所有训练集的标签存储在train文件夹中的label.csv文件里。图片尺寸为105*35，使用时可以调整至120*40以适应不同的需求。这些数据可用于人工智能图像验证码识别系统的训练和学习过程。
     
  • fire数据集包含10000个案例
    优质
    fire数据集汇集了10000个独特的火灾相关实例，旨在为研究和开发提供全面的数据支持，促进消防预警与应急响应技术的进步。 可以用来学习数据挖掘和机器学习算法的数据集有很多资源可供选择。这些数据集可以帮助学生和研究人员理解并实践各种算法和技术。
     
  • WiderPerson（密集行人检测）Yolov8格式数据集，包含8000个训练样本、1000个验证样本和4382个测试样本
    优质
    本数据集为基于YOLOv8的WiderPerson密集行人检测项目设计，含8000张训练图像、1000张验证图像及4382张测试图像，旨在提升复杂场景下的行人识别精度。 WiderPerson数据集是一个用于行人检测的基准数据集，专门针对拥挤场景设计。该数据集由中国科学院自动化研究所的生物测定和安全研究中心(CBSR)以及国家模式识别实验室(NLPR)共同发布。与许多其他行人检测数据集不同的是，WiderPerson的数据图像来源于多种不同的场景，并不仅仅局限于交通环境，这使得它在处理多样性和复杂性方面具有显著优势。 该数据集中共有13,382张图片，标注了大约40万个不同程度遮挡的人体样本。这些图片被随机分为训练、验证和测试三个子集，分别包含8,000张、1,000张以及4,382张图像。标注信息包含了各种行人类型，包括正常行走的行人、骑自行车者、部分被遮挡的身体部位、人形物体以及其他难以区分的人群聚集情况等，从而能够全面评估在真实场景中行人检测算法的表现。 值得注意的是，与CityPersons和WIDER FACE数据集类似，在WiderPerson测试集中提供的图像没有公开标注文件。
     
  • Captcha验证码数据集：训练集20000张，测试集10000张
    优质
    本项目提供了一个包含30000张图片的Captcha验证码数据集，其中训练集有20000张，测试集为10000张，适用于验证码识别系统的模型训练与评估。 训练集带label.csv文件位于train文件夹中。图片尺寸为105*35，在使用时可以调整为120*40。此数据集适用于人工智能图片验证码识别的训练需求。
     
  • MNIST数据集，含6万个数字训练样本及1万个测试样本
    优质
    简介：MNIST数据集包含手写数字图像，用于机器学习模型训练与验证。该数据集包括6万张训练图像和1万张测试图像，每幅图像是28x28像素的手写数字。 MNIST数据集包含6万个数字的训练集和1万个数字的测试集。
     
  • 乳腺癌检测数据集：包含569个样本
    优质
    该乳腺癌检测数据集包含了569个样本，旨在辅助研究人员及医生进行乳腺癌早期诊断模型的研究与开发。 乳腺癌检测数据集包含569个样本。
     
  • （驾驶疲劳检测）Yolov8格式数据集，包含2041个训练样本、582个验证样本和291个测试样本
    优质
    本数据集采用YOLOv8格式，专为驾驶疲劳检测设计，含2041个训练样本、582个验证样本及291个测试样本，助力提升驾驶安全。 设计一个基于YOLOv8的疲劳驾驶检测系统具有重要的意义： 首先，提高道路安全是其首要目标之一。驾驶员在长时间或缺乏休息的情况下驾车时，反应速度与判断能力会显著下降，从而增加交通事故的风险。通过实时监测驾驶员的状态并及时发出警告信号或者采取相应措施，可以有效减少因疲劳驾驶导致的事故。 其次，保护驾驶员的身体健康同样不容忽视。长期连续驾驶对身体会造成不良影响，包括肌肉和眼睛的过度劳累以及颈椎问题等。一个能够检测到这些早期迹象并且提醒司机休息的系统将有助于预防这些问题的发生，并且维护了驾驶员的整体身体健康状况。 最后，疲劳驾驶还会降低工作效率并减少驾车体验中的舒适感。当一个人过于疲倦时，在方向盘前的表现会变得迟钝和不准确。因此，通过使用先进的技术来识别出这些情况并在必要时刻提醒司机休息，可以帮助他们保持清醒的状态，并且提高他们的工作效能以及旅途的愉悦度。
     
  • 包含9000个样本的天气分类数据集
    优质
    这是一个庞大的天气分类数据集，包含了9000个详细的样本记录。每个样本都经过精心标注和分类，旨在为气象研究、机器学习模型训练以及数据分析提供丰富而有价值的信息资源。 使用CNN模型进行训练后，最佳结果达到了96.3%的准确率。数据集包含7180张图像作为训练集，以及808张图像作为测试集。类别包括：cloudy（多云）、dew（露水）、fogsmog（雾或烟雾）、frost（霜冻）、glaze（冰衣）、hail（冰雹）、lightning（闪电）、rain（雨）、rainbow（彩虹）、rime（明冰霜）、sandstorm（沙尘暴）、shine（晴朗光线明亮的天空）和snow（雪）。训练数据位于data/train_data文件夹中，测试数据则在data/test_data文件夹内。
     
  • 元数据集合：包含多个数据集的集合，供学习使用
    优质
    这是一套精心准备的多元数据集合，内含多个不同领域的数据集，旨在为研究者和学生提供便捷的学习与分析资源。 该存储库包含了用于介绍元数据集的文章的相关代码，并且也包括了CrossTransformers的配套代码和检查点。这些内容是基于文章//arxiv.org/abs/2007.11498的工作，旨在提高性能的表现。这里提供的代码是为了提供有关数据供给管道、我们的框架与模型以及实验设置实施细节的信息。 以下是关于软件、数据及实现模型的说明。同样地，也可以在此处找到如何从管道（片段或批次）中采样数据的演示示例。为了运行arXiv文章第一版描述中的实验，请使用该存储库版本上的指导文件、代码和配置文件来操作。我们正在更新相关指令、代码及配置文档以支持在第二版论文结果的重现工作。
     
  • 包含109445个样本的心电图图像数据集
    优质
    这是一个庞大的心电图图像数据库，包含了109,445个样本，为心脏病的研究和诊断提供了宝贵的资源。 心电图图像数据集包含109445个样本，每个样本的类别有五种：N、S、V、F 和 Q。所有图像的分辨率为256x256像素，并且这些数据来源于Physionets MIT-BIH心律失常数据库。