Advertisement

香蕉数据集2240张(VOC+YOLO格式)

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

简介：
本数据集包含2240张图片，采用VOC与YOLO两种标注格式，涵盖多种场景下的香蕉图像，适用于物体检测模型训练及评估。 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）：2243 标注数量（xml文件个数）：2243 标注数量（txt文件个数）：2243 标注类别数：1 标注类别名称：[banana] 每个类别标注的框数： banana 框数 = 9195 总框数：9195 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。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 香蕉数据集2240张(VOC+YOLO格式)
    优质
    本数据集包含2240张图片，采用VOC与YOLO两种标注格式，涵盖多种场景下的香蕉图像，适用于物体检测模型训练及评估。 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）：2243 标注数量（xml文件个数）：2243 标注数量（txt文件个数）：2243 标注类别数：1 标注类别名称：[banana] 每个类别标注的框数： banana 框数 = 9195 总框数：9195 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。
     
  • 香蕉数据集的深度学习：包含标注的3000张图片，支持YOLO和VOC格式
    优质
    简介：本项目提供了一个包含3000张标注图像的香蕉数据集，适用于YOLO及VOC格式，旨在促进深度学习技术在图像识别领域的研究与应用。 香蕉数据集包含3000张带有标注的图片，适用于YOLO和VOC格式。
     
  • 杯子数据集4689张(VOC+YOLO格式)
    优质
    本数据集包含4689张图像，标注了各类杯子的位置和边界框信息，符合VOC与YOLO格式标准，适用于目标检测任务。 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）：4689。标注数量（xml 文件个数）：4689；标注数量(txt 文件个数) ：4689；标注类别数：1，具体为“cup”类别。每个类别的标注框数：“cup”的框数为10543。总框数：10543。使用标注工具：labelImg。 重要说明：无特别声明。 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，仅提供准确且合理的标注信息。
     
  • 4000张瓶子数据集VOC+YOLO格式
    优质
    本数据集包含超过4000个瓶子图像样本，采用Pascal VOC及YOLO格式标注，适用于物体检测任务模型训练与测试。 数据集格式采用Pascal VOC与YOLO两种标准格式（不含分割路径的txt文件），包括4001张jpg图片、对应的xml标注文件以及yolo格式的txt文件，每个类别仅包含一种类型：bottle。 具体统计如下： - 图片数量 (jpg 文件个数) : 4001 - 标注数量（xml 文件个数）: 4001 - 标注数量（txt 文件个数）: 4001 标注类别总数为1，即“bottle”，共标记了矩形框11280个。 使用工具：labelImg 标注规则：对瓶类物体进行画矩形框操作以完成标注任务。
     
  • 1876张鼠标数据集VOC+YOLO格式
    优质
    本数据集包含超过1876张鼠标的标注图像，采用VOC和YOLO两种格式，适用于物体检测算法的研究与训练。 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）：1876 标注数量（xml文件个数）：1876 标注数量（txt文件个数）：1876 标注类别数：1 标注类别名称：[mouse] 每个类别标注的框数： mouse 框数 = 2261 总框数：2261 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。
     
  • 风筝数据集2260张(VOC+YOLO格式)
    优质
    本数据集包含2260张图像，标注遵循VOC与YOLO标准格式，涵盖各类典型场景下的风筝实例，适合于目标检测任务的研究和开发。 数据集格式：Pascal VOC格式与YOLO格式（不含分割路径的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）：2260 标注数量（xml文件个数）：2260 标注数量（txt文件个数）：2260 标注类别数：1 标注类别名称：[kite] 每个类别的框数： kite 框数 = 8790 总框数：8790 使用工具：labelImg 标注规则：对目标进行矩形标记 重要说明：无特别说明 特别声明：本数据集不对训练模型或权重文件的精度做出任何保证，仅提供准确且合理的标注。
     
  • 蛇数据集826张（YOLO+VOC格式）.zip
    优质
    本资源包含826张图片构成的蛇种类数据集，提供YOLO和VOC两种标注格式，适用于训练目标检测模型。 数据集格式：VOC格式+YOLO格式 压缩包内包含三个文件夹： 1. JPEGImages 文件夹存储图片（jpg 格式），共计 826 张。 2. Annotations 文件夹中存放 xml 文件，总计 826 个。 3. labels 文件夹包含 txt 文件，总共 826 份。 标签种类数量为：1 具体标签名称如下： - Snake 各标签的框数统计： Snake 框数 = 1147 总框数：1147 图片质量（分辨率及像素）高且清晰。 是否进行数据增强处理：否 标注信息以矩形框形式呈现，用于目标检测任务。 重要说明：暂无。
     
  • 苹果数据集1586张VOC及YOLO格式
    优质
    本数据集包含1586张图片，涵盖丰富多样的苹果图像，并已转换为VOC和YOLO两种标注格式，便于物体检测模型训练与评估。 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）：1586 标注数量（xml文件个数）：1586 标注数量（txt文件个数）：1586 标注类别数：1 标注类别名称：apple 每个类别的框数： - apple 框数 = 5776 总框数：5776 使用标注工具：labelImg 标注规则：对类别进行矩形框标记 重要说明：暂无 特别声明：本数据集不对训练模型或权重文件的精度作任何保证，仅提供准确且合理的标注。