Advertisement

YOLO 息肉检测数据集(Kvasir-SEG) 【含分类别数据集、类文件及数据可视化工具】

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

简介：
本项目提供YOLO格式的息肉检测数据集Kvasir-SEG，包括各类别图像数据、标签文件以及用于数据可视化的工具，助力医学影像研究。 项目包含：息肉（Kvasir-SEG）检测（1类别），包括划分好的数据集、类别class文件以及数据可视化脚本。数据保存遵循YOLO项目的文件夹结构，可以直接用于目标检测任务，无需额外处理。 图像分辨率为332x487到1920x1072的RGB图片，涵盖息肉检测的数据集。每张图中的标注边界框完整且清晰可见。 标注格式为：类别、中心点（x坐标和y坐标）、宽度w和高度h （YOLO相对坐标）。 数据集中包含一个类别：息肉（具体信息可查看classes.txt文件） 压缩后的总大小为57 MB，分为训练集和验证集： - 训练集由800张图片及其对应的800个标签txt文件组成。 - 验证集则包括200张图片及相应的200个标签txt文件。 为了便于查看数据，提供了可视化py脚本。只需随机传入一张图像即可绘制边界框，并保存到当前目录下。该脚本无需修改，可以直接运行以生成可视化的图象。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • YOLO 息肉检测数据集(Kvasir-SEG) 【含分类别数据集、类文件及数据可视化工具】
    优质
    本项目提供YOLO格式的息肉检测数据集Kvasir-SEG，包括各类别图像数据、标签文件以及用于数据可视化的工具，助力医学影像研究。 项目包含：息肉（Kvasir-SEG）检测（1类别），包括划分好的数据集、类别class文件以及数据可视化脚本。数据保存遵循YOLO项目的文件夹结构，可以直接用于目标检测任务，无需额外处理。 图像分辨率为332x487到1920x1072的RGB图片，涵盖息肉检测的数据集。每张图中的标注边界框完整且清晰可见。 标注格式为：类别、中心点（x坐标和y坐标）、宽度w和高度h （YOLO相对坐标）。 数据集中包含一个类别：息肉（具体信息可查看classes.txt文件） 压缩后的总大小为57 MB，分为训练集和验证集： - 训练集由800张图片及其对应的800个标签txt文件组成。 - 验证集则包括200张图片及相应的200个标签txt文件。 为了便于查看数据，提供了可视化py脚本。只需随机传入一张图像即可绘制边界框，并保存到当前目录下。该脚本无需修改，可以直接运行以生成可视化的图象。
     
  • Kvasir-SEG 息肉分割数据集 - 数据集
    优质
    Kvasir-SEG 是一个专注于结肠息肉分割的数据集，包含丰富的内窥镜图像及精确标注，旨在促进计算机辅助诊断技术的发展。 Kvasir-SEG数据集是一个包含胃肠道息肉图像及其对应分割掩膜的开源数据集。
     
  • Kvasir-SEG息肉分割数据集
    优质
    简介：Kvasir-SEG是一个专为结肠镜图像中息肉分割而设计的数据集，包含了大量标记清晰的息肉区域，旨在推动计算机辅助内窥镜检查技术的发展。 Kvasir-SEG 数据集是一个公开访问的胃肠道息肉医学影像及其对应分割掩模的数据集合。
     
  • YOLO 数据集：货架商品布局检测【含划分数据集、类别文件及数据可视化脚本】
    优质
    简介：该数据集专注于使用YOLO算法进行货架商品布局检测，包含详细的数据划分、类别定义以及用于数据分析和可视化的实用脚本。 项目包含货架商品摆放检测的相关内容：划分好的数据集、类别class文件以及用于数据可视化的脚本。这些数据按照YOLOV5的文件夹结构保存，可以直接用作目标检测的数据集，无需额外处理。 图像分辨率为640*640的大分辨率RGB图片，涵盖商品零售架上的商品状态（如是否有货或摆放是否倾斜等）。标注信息完整，并且每张图中包含多个需要识别的目标。部分图像进行了增强处理，包括椒盐噪声和马赛克拼接两种方式。 数据集的类别有三种：1. 有货；2. 空的；3. 商品摆放错误。 整个数据集压缩后的大小为228 MB，分为训练集和验证集： - 训练集（datasets-images-train）包含2104张图片及对应的标签txt文件； - 验证集（datasets-images-val）则有152张图片及其标签。 此外还提供了类别信息的文本段落件，方便查看。为了更好地了解数据情况，项目中还包括一个可视化脚本。只需随机传入一张图即可绘制边界框，并保存在当前目录下。此脚本无需做任何更改，可以直接运行以进行图像可视化操作。
     
  • YOLO 数据集：九种岩石检测【含划分好的数据集、类别Class文件及数据可视化脚本】
    优质
    该资料提供了一个专为九种不同岩石类型设计的YOLO数据集，包括预划分的数据集、类别定义文件以及用于数据可视化的Python脚本。 项目包含：9种岩石检测【包括划分好的数据集、类别class文件、数据可视化脚本】，数据保存按照YOLOV5的格式存储，可以直接用作目标检测的数据集，无需额外处理。 图像分辨率为640*640的大分辨率RGB图片，涵盖各种各样的岩石样本。对原始图像进行了马赛克增强（即四张图片融合在一起），标注完整且每张图包含多个目标物体。 标签格式为：类别、x中心点坐标、y中心点坐标、宽度和高度（YOLO的相对坐标）。 【数据集类别】9种类型：玄武岩、石灰岩、沉积岩等 【数据分组】 - 训练集(datasets-images-train)包含12501张图片及对应的标签文件。 - 验证集(datasets-images-val)包括1104张图片和相应的标签文件。 项目还提供了类别信息的txt文本，方便分类识别。为帮助用户更好地理解数据集内容，我们提供了一个可视化脚本（py文件），只需输入一张图像即可绘制出边界框并保存在当前目录下。该脚本无需修改，可以直接运行以生成可视化的结果图。
     
  • YOLO 数据集：瓷砖裂缝识别与检测（含2类分类）【内附划分好的数据集、类别文件及数据可视化脚本】
    优质
    本项目提供了一个用于瓷砖裂缝识别的数据集，包含两类分类标签。数据集已划分为训练集和测试集，并配有类别文件及数据可视化脚本，便于快速上手使用。 1700 张左右使用lableimg标注软件进行标记的图片，格式为png，标签以txt文本形式保存在不同目录下。这些数据可用于瓷砖裂缝检测，并可通过翻转、添加噪声等方法增强部分数据集。 总共包含两个类别：裂缝和正常。具体类别的信息可以在classes.txt 文件中查看。 为了方便查看数据，提供了一个可视化py文件，可以随机传入一张图片来绘制边界框并保存在当前目录下。此脚本无需更改即可直接运行以生成可视化图像。
     
  • YOLO 数据集：水稻稻穗识别（1类）【含划分好数据集、类别文件及数据可视化脚本】
    优质
    该资源提供了一个专门用于水稻稻穗识别的数据集，包含完整的标注图像和类别定义，并附带数据可视化工具。 数据保存按照YOLOV5文件夹结构进行组织，可以直接用于Yolo检测。 标注格式如下：classes、x_centre、y_centre、w、h（使用的是YOLO的相对坐标系统）。 【数据集类别】包含1个类别：稻穗 该数据集分为训练集和验证集： - 训练集(datasets-images-train)包括6108张图片及对应的6108个标签txt文件。 - 验证集(datasets-images-val)则有530张图片及其相应的530个标签txt文件。 【类别文本段落件】：每个类别的标注信息都保存在单独的.txt格式文档中，方便查看和管理。 为了便于直观地检查数据情况，我们提供了一个可视化py脚本。只需随机选取一张图像作为输入参数即可绘制出边界框，并将其保存至当前工作目录下。此脚本无需任何修改就可以直接运行以生成可视化的图像结果。 对于YOLOV5的改进与实战应用相关内容，请参考相关博客文章或官方文档获取更多信息。
     
  • YOLO 数据集：鱼类疾病图像识别【含预划分数据集、类别文件及可视化脚本】
    优质
    这是一个用于鱼类疾病的图像识别的数据集，包含已分类的图片和可视化工具，旨在帮助研究者进行模型训练与验证。 YOLO 数据集：鱼身上疾病图像目标检测【包含划分好的数据集、类别class文件、数据可视化脚本】 该数据集按照YOLOV5文件夹结构保存，可以直接用于yolo模型训练。 类别个数（5）：细菌性疾病、真菌性疾病、健康鱼、寄生虫病、白尾病【具体参考classes文件】 数据结构如下： - 训练集包含约720张图片和对应的标签txt文件。 - 验证集包括大约100张图片及其对应标签的txt文件。 - 测试集中有约100张图片及相应的标签txt文件。 为了方便查看数据，提供了可视化py脚本。只需随机传入一张图像即可绘制边界框，并且保存在当前目录中。此脚本无需修改，可以直接运行以生成可视化图像。