Advertisement

课堂学生学习状态监控数据集（8类）8404张图片（含Yolo标签）.zip

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

简介：
本数据集包含8404张图片，涵盖八种不同类型的学生课堂学习状态，并提供YOLO格式标注文件，适用于行为识别与分析研究。 该数据集包含8404张教室真实监控场景下的课堂学生学习状态图片，并附有YOLO格式的标签文件（txt），适合用于目标检测算法YOLO系列。 数据集中标注了八种不同的学习状态，具体如下： - 低头写字 - 低头看书 - 抬头听课 - 转头 - 举手 - 站立 - 小组讨论 - 教师指导 这些标签由labelImg工具生成，并且已确认标注准确无误。数据集适用于毕业设计、课程作业、实验实训及实际项目开发等场景。 如需VOC格式或JSON格式的标签文件，可以留言询问，我会提供转换脚本程序。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 课堂学生学习状态监控数据集（8类）8404张图片（含Yolo标签）.zip
    优质
    本数据集包含8404张图片，涵盖八种不同类型的学生课堂学习状态，并提供YOLO格式标注文件，适用于行为识别与分析研究。 该数据集包含8404张教室真实监控场景下的课堂学生学习状态图片，并附有YOLO格式的标签文件（txt），适合用于目标检测算法YOLO系列。 数据集中标注了八种不同的学习状态，具体如下： - 低头写字 - 低头看书 - 抬头听课 - 转头 - 举手 - 站立 - 小组讨论 - 教师指导 这些标签由labelImg工具生成，并且已确认标注准确无误。数据集适用于毕业设计、课程作业、实验实训及实际项目开发等场景。 如需VOC格式或JSON格式的标签文件，可以留言询问，我会提供转换脚本程序。
     
  • 学生课堂状态监测数据集
    优质
    学生课堂状态监测数据集是一套包含大量课堂教学中学生行为和表现的数据集合，旨在帮助研究者分析影响学习效果的因素。 深度学习上课状态检测数据集适用于智慧课堂项目，包含图片及xml标签。
     
  • 学生课堂行为检测数据集（VOC+YOLO格式），含5622张图片，7个类别.7z
    优质
    本数据集包含5622张图像，采用VOC及YOLO格式标注，涵盖学生课堂上的七种典型行为，旨在促进课堂教学行为分析研究。 数据集格式为Pascal VOC与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：5622张 标注数量：5622个（包括xml文件和txt文件） 标注类别数：7类 标注类别名称：“dk”、“dx”、“js”、“tt”、“xt”、“zl”、“zt”。
     
  • YOLO目标检测-深度学习抽烟识别数据集（含5000张图片）.zip
    优质
    本数据集包含5000张图像，专为YOLO算法训练和评估设计，用于检测图像中的抽烟行为，助力深度学习研究与应用。 深度学习-YOLO目标检测yolov5抽烟识别检测数据集包含5000张图片，这些图片使用lableimg软件进行了标注，标签格式有两种：xml和txt。
     
  • JSPM学生课堂学习状态监测系统毕业设计程序
    优质
    本项目为一款专为高校设计的学生课堂学习状态监测系统。通过采集学生的课堂参与度数据，旨在提高教学质量和学生的学习效率。该系统是基于Java开发的毕业设计作品。 采用Java技术构建了一个管理系统。整个开发过程首先进行需求分析以确定系统的主要功能。接着进行总体设计和详细设计。总体设计包括系统功能设计、系统总体结构设计、数据结构设计及安全设计；详细设计则涵盖数据库访问实现，主要模块的具体实现以及关键代码等。最后对系统进行全面的功能测试，并总结测试结果。 该管理系统包含完整的程序源代码一份与配套的数据库文件，能够在指定环境下完美运行。配置环境的相关说明已在文档中提供。如有任何问题或需要进一步帮助，请随时私信联系。
     
  • YOLO肺炎分类数据集(含2万张图片).zip
    优质
    该数据集包含20,000张图像，旨在支持YOLO算法在肺炎分类任务上的应用和优化，为医学影像分析提供宝贵资源。 资源描述：深度学习图像分类-肺炎分类数据集，类别包含COVID、Lung_Opacity、Normal以及Viral Pneumonia。 资源特点：该数据集的数据质量和标注框质量高，可以直接用于YOLO目标检测模型的训练和测试。 适用对象：适合计算机科学、电子信息工程及数学等专业的大学生在课程设计、期末大作业或毕业设计中使用。 作者介绍：某知名公司资深算法工程师，在Matlab、Python、C/C++以及Java等领域拥有十年的工作经验，专注于计算机视觉、目标检测模型、智能优化算法、神经网络预测和信号处理等多个领域的研究。此外，还擅长元胞自动机技术的应用开发，并在图像处理及智能控制方面有丰富的实践经验。欢迎与作者交流学习相关知识和技术。
     
  • 茶叶病害数据集（VOC+YOLO格式，含883张图片，8个类别）.zip
    优质
    本资料包提供了一个包含883张图片的茶叶病害数据集，涵盖八大类病害。采用VOC与YOLO两种标注格式，便于机器学习和深度学习模型训练使用。 数据集格式采用Pascal VOC与YOLO两种形式。其中VOC格式包含xml文件用于存储每个图片的标签信息；而YOLO格式则为对应的txt文件（不含路径），仅包括jpg图像及其相应的VOC xml文件及yolo txt文件。 该集合共有883张图片，每一张都有其相对应的标注数据和类别标签。具体来说，一共有8个不同的分类：algalleaf、Anthracnose、birdeyespot、brownblight、graylight、healthy、redleafspot以及whitespot。每个类别的样本数量分别为： - Anthracnose: 99 - algalleaf: 114 - birdeyespot: 100 - brownblight: 113 - graylight: 100 - healthy: 74 - redleafspot: 143 - whitespot: 141 总计标注框数量为884。所有标签工作均通过labelImg工具完成，遵循使用矩形框标记类别的规则。 每个图片内的内容仅限于单一叶子的检测与分类任务上。
     
  • 下水管道缺陷检测数据集（含7类标签，1717张图片，YOLO+VOC格式）.zip
    优质
    本数据集包含1717张图像，涵盖七种类别标签，旨在用于训练和评估下水管道缺陷检测模型。以YOLO及VOC格式提供，便于研究者应用与开发。 数据集格式：VOC格式+YOLO格式 压缩包内包含三个文件夹： 1. JPEGImages 文件夹存储了 1717 张 JPG 图片。 2. Annotations 文件夹包含了与图片对应的 1717 个 XML 标注文件。 3. labels 文件夹有用于 YOLO 格式的 1717 个 TXT 文本标注文件。 标签种类共有七种，分别为：chuanru（穿入）、cuokou（错口）、duiji（堆积）、laji（垃圾）、liefeng（裂缝）、nitu（泥土）和 shugen（树根）。每个类别对应的框数如下： - chuanru 框数 = 328 - cuokou 框数 = 200 - duiji 框数 = 884 - laji 框数 = 610 - liefeng 框数 = 836 - nitu 框数 = 187 - shugen 框数 = 356 总框数量为：3401。 图片的清晰度较高，且未经过数据增强处理。标签形状采用矩形框形式以实现目标检测和识别任务。 重要说明： 暂无其他特别需要声明的内容。 请注意，本数据集不保证用于训练模型或生成权重文件时的具体精度表现，仅提供准确合理的标注信息。
     
  • 刀棒识别数据集1200张图片包含VOC、YOLO和JSON标签
    优质
    本数据集包含1200张图片，专注于刀棒类物品的识别，提供VOC、YOLO格式及JSON标签文件，适用于物体检测模型训练与评估。 实际项目应用包括社区安防、学校安防以及危险器具检测等领域。 数据集详情如下：刀具棍棒检测数据集中共有1200张图片，标签分为两类——[刀具] 和 [棍棒]（即[dao, bang]）。这些图像包含多种背景，并且各类别分布均匀。该数据集同时提供了voc格式的xml文件和yolo格式的txt文件作为标注信息，适合于多种目标检测算法的应用。 所有图片均为纯手工精确标注，确保了高质量的数据输入以及良好的模型拟合效果。如果需要json格式标签或在使用过程中遇到任何问题，请留言说明需求。
     
  • YOLO水果蔬菜目标检测数据集（含8万张图片）.rar
    优质
    简介：该资源包含YOLO水果蔬菜目标检测数据集，内有8万张图片用于训练和测试模型识别不同种类的水果与蔬菜。 1. 资源描述：YOLO目标检测水果蔬菜数据集（8万张图像）.rar 2. 资源内容包括参数化编程、便于更改的参数设置，以及清晰易懂的代码结构与详尽注释。 3. 该资源适用于计算机科学、电子信息工程和数学等专业的大学生课程设计、期末大作业及毕业设计项目。 4. 用户可根据需求进一步探索更多数据集及其他仿真源码（详情可自行搜索相关资料）。 5. 资源提供者是一位资深算法工程师，拥有十年在Matlab、Python、C/C++、Java以及YOLO目标检测领域的工作经验。擅长计算机视觉技术、智能优化和信号处理等众多领域的算法仿真实验，并乐意与他人分享交流学习心得。