Advertisement

已标注的13200张图片：用于目标检测的蝗虫VOC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13200张经过精细标注的图像，专为提升机器学习模型在复杂环境中的蝗虫识别能力而设计，遵循VOC格式标准。 目标检测蝗虫VOC数据集包含13200张图片，其中已标注的蝗虫图片有1300张，可以直接用于训练模型。这些图片已经手动标注好，并且符合VOC数据集格式要求。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 已标注的13200张图片：用于目标检测的蝗虫VOC数据集
    优质
    本数据集包含13200张经过精细标注的图像，专为提升机器学习模型在复杂环境中的蝗虫识别能力而设计，遵循VOC格式标准。 目标检测蝗虫VOC数据集包含13200张图片，其中已标注的蝗虫图片有1300张，可以直接用于训练模型。这些图片已经手动标注好，并且符合VOC数据集格式要求。
     
  • 已标注的椿象VOC数据集800张（臭虫）
    优质
    本数据集包含800张经标注的椿象挥发性有机化合物(VOCs)图片，旨在支持农业害虫防治研究与模型训练。 农业害虫椿象数据集包含800张已标注的VOC格式图片，另外还有臭虫的数据集也包含了800张已标注的图片。
     
  • VOC数据集中天牛目标检测的1000张图片
    优质
    本数据集包含1000张针对天牛的目标检测图像，旨在提升基于VOC标准的机器学习模型在识别和定位天牛方面的性能与精度。 目标检测VOC数据集包含1000张天牛图片的手动标注数据。
     
  • VOC塔吊目标检测数据集含2559张图片
    优质
    本数据集包含2559张图像，专为VOC格式设计，旨在提升塔吊在复杂环境中的目标检测精度与效率，适用于研究和开发高性能视觉识别系统。 数据集格式：Pascal VOC（不含分割路径的txt文件及yolo格式的txt文件，仅包含jpg图片及其对应的xml标注） 图片数量（jpg文件个数）：2559 标注数量（xml文件个数）：2559 标注类别数：1 标注类别名称：tadiao 每个类别的标注框数：tadiao count = 2936 使用工具：labelImg 标注规则：对目标类别进行矩形框标记 重要说明：无特别声明 特别声明：本数据集不对训练模型或权重文件的精度提供任何保证，仅确保提供的标注准确且合理。
     
  • 已标注的1400张叶蝉VOC数据集
    优质
    本数据集包含超过1400张经过详细分类和标注的叶蝉发声样本图片，为研究昆虫声音交流机制提供了宝贵的资源。 1400张叶蝉数据集的深度学习训练使用了手动标注的方法。
     
  • VOC格式的条码目标检测数据集含15442张图片
    优质
    该数据集包含15,442张图像，专为VOC格式下的条形码目标检测设计，适用于训练和评估计算机视觉模型在复杂场景中识别条形码的能力。 数据集格式：Pascal VOC（不含分割路径的txt文件和yolo格式的txt文件，仅包含jpg图片及对应的xml标注） 图片数量（jpg文件个数）：15442 标注数量（xml文件个数）：15442 标注类别数：1 标注类别名称：barcode 每个类别的框数统计：barcode count = 34761 使用工具：labelImg 标注规则：对条码进行矩形标记。 重要说明：此数据集仅包含条码，不含二维码，请参考其他相关数据集获取二维码信息。 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，只提供准确且合理的标注。
     
  • 已标注的火焰目标检测数据集
    优质
    该数据集包含了大量经过精细标注的图像，专注于火焰及其相关目标的识别与定位，适用于研究和开发火灾预警系统。 该数据集包含1500多张图片，并使用labelme工具进行标注（包括xml坐标信息），适用于yolo v5等目标检测算法用于火焰检测。
     
  • 黄瓜目标检测数据集（VOC格式），含1309张图片
    优质
    本数据集为黄瓜目标检测设计，包含1309张图像，遵循Pascal VOC标准格式，适用于训练和评估物体检测模型。 数据集格式：Pascal VOC（不含分割路径的txt文件、yolo格式的txt文件，仅包含jpg图片及其对应的xml标注） 图片数量（jpg文件个数）：1308 标注数量（xml文件个数）：1308 标注类别数：1 标注类别名称：cucumber 每个类别的标记框数量：cucumber计数 = 2939 使用工具：labelImg 标注规则：对目标进行矩形框绘制。 重要说明及特别声明：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信息。