西红柿成熟度识别数据集（1952张图片）- 包含VOC、YOLO和JSON格式标注文件.zip

5星

浏览量: 0

大小:None

文件类型：None

简介：
本数据集包含1952张西红柿图像及其成熟度信息，提供VOC、YOLO及JSON三种格式的标注文件，便于机器学习模型训练与测试。西红柿识别检测数据集适用于课程作业、设计项目及比赛需求，在实际应用方面可用于智慧农业中的西红柿成熟度识别系统以及蔬菜成熟度判断等领域。该数据集中包含1952张图片，背景丰富且具有多样性，目标分布均匀，并附有精准的标注信息。算法拟合效果良好，质量可靠。此数据集提供了三种标签格式：VOC（xml）、YOLO（txt）和JSON。类别名称包括“ripe”(成熟) 和 “immature” (未成熟)，是博主在西红柿机器臂采摘项目中的使用资料。多种目标检测算法可以直接应用于此数据集中。

全部评论 (0)

还没有任何评论哟~

客服

西红柿成熟度识别数据集（1952张图片）- 包含VOC、YOLO和JSON格式标注文件.zip

优质

本数据集包含1952张西红柿图像及其成熟度信息，提供VOC、YOLO及JSON三种格式的标注文件，便于机器学习模型训练与测试。西红柿识别检测数据集适用于课程作业、设计项目及比赛需求，在实际应用方面可用于智慧农业中的西红柿成熟度识别系统以及蔬菜成熟度判断等领域。该数据集中包含1952张图片，背景丰富且具有多样性，目标分布均匀，并附有精准的标注信息。算法拟合效果良好，质量可靠。此数据集提供了三种标签格式：VOC（xml）、YOLO（txt）和JSON。类别名称包括“ripe”(成熟) 和 “immature” (未成熟)，是博主在西红柿机器臂采摘项目中的使用资料。多种目标检测算法可以直接应用于此数据集中。

西红柿成熟度分类数据集（LabelMe格式，含686张图片，3个类别）.zip

优质

本数据集包含686张采用LabelMe标注工具标记的西红柿图像，涵盖未熟、半熟和全熟三个阶段，适用于机器视觉与农业自动化研究。样本图：请到服务器资源预览或详情查看后下载。数据集格式为labelme格式（不包含mask文件，仅包括jpg图片及其对应的json文件）。 - 图片数量（jpg文件个数）：686张 - 标注数量（json文件个数）：686份 - 标注类别数：3类 - 标注类别名称：[未成熟, 成熟, 腐烂] 每个类别标注的框的数量： - 未成熟计数 = 2452 - 成熟计数 = 1268 - 腐烂计数 = 710 使用了labelme v5.5.0进行标注，对各类别进行了多边形（polygon）的绘制。重要说明：可以利用LabelMe软件打开并编辑数据集。需要自行将json格式的数据转换为mask、yolo或coco格式以用于语义分割或者实例分割。特别声明：本数据集中提供的标注信息准确且合理，并不对训练模型后的精度做出任何保证。

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。

电单车电梯内数据集(3216张图片)-包含VOC、YOLO和JSON格式标注.zip

优质

本资料包提供了一个涵盖3216张图片的数据集，专注于记录电单车在电梯内的场景。文件包括详细的VOC、YOLO及JSON格式的标注信息，便于训练机器学习模型识别与分类电单车图像。电单车入梯检测数据集（适用于课程作业、设计项目及比赛）【实际应用】：该数据集可用于开发电单车入梯控梯系统、电单车入梯检测告警系统以及电动车进电梯抓拍告警系统等。【数据集详情】： - 总数：3216张图片。 - 类别：包含“电单车”和“电梯内人形”两类，手工标注精准且目标分布均匀。 - 背景多样性：背景多样化，适合科研实验及实际项目使用。 - 格式齐全：数据集标签支持voc（xml）、yolo（txt）以及json三种格式。多种目标检测算法可以直接应用该数据集进行训练和测试。所有上传的数据均为博主在真实项目或实验中使用的高质量图像，确保了其可靠性和实用性。如有问题，请随时留言咨询。

【目标检测数据集】荔枝成熟度分类579张图片（绿、红、半红）VOC+YOLO格式.zip

优质

本数据集包含579张荔枝图像，涵盖绿色、红色及半熟状态，采用VOC和YOLO格式标注，适用于目标检测与分类模型训练。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）：579 标注数量（xml文件个数）：579 标注数量（txt文件个数）：579 标注类别数：3 标注类别名称包括绿色、半透明和红色。具体框的数量如下： - 绿色框数 = 1387 - 半透明框数 = 892 - 红色框数 = 632 总框数：2911 使用标注工具为labelImg。

智能农场与牧场牛只识别数据集（6299张图片）- 包括VOC、YOLO和JSON格式标注文件.zip

优质

本资料包含6299张图像及对应的VOC、YOLO和JSON格式标注，用于训练机器学习模型在智能农场与牧场环境中识别牛只。农场牛识别检测数据集（适用于课程作业、设计项目、比赛及实际应用）：智慧农场中的牛识别与数量统计【数据集详情】：该牧场牛识别检测数据集中共有6299张图片，背景多样且目标大小分布均匀，是从COCO数据集中提取而来。此数据集提供了VOC（xml）、YOLO（txt）、json三种格式的标签文件，类别名称为[cow]，多种目标检测算法可以直接使用。标注精确度高，适合各种算法拟合需求，并保证了高质量的数据基础。

荔枝成熟度检测用VOC+YOLO格式数据集（1005张图片，4个类别）.zip

优质

本资源提供了一个用于荔枝成熟度检测的数据集，包含1005张图像和四种不同类别的挥发性有机化合物标签，采用YOLO格式标注。样本图：请在电脑端资源详情查看并下载文件。数据集格式包括Pascal VOC格式和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）为1005，标注数量(xml文件)同样为1005，标注数量(txt文件)也为1005。数据集中有4种不同的标注类别：blossom, green, ripe 和 young。各类别的框数如下： - blossom 框数 = 539 - green 框数 = 4045 - ripe 框数 = 7701 - young 框数 = 4581 总框数量为16866。使用标注工具：labelImg。对类别进行矩形画框操作作为标注规则。重要说明：暂无特别提示：本数据集不对训练模型或权重文件的精度提供任何保证，仅确保提供的标签准确且合理。

香蕉、葡萄和苹果的水果识别数据集（2380张图片，包含VOC、YOLO及JSON标注）.zip

优质

本数据集包括2380张香蕉、葡萄和苹果的图像，并提供VOC、YOLO格式以及JSON文件标注，适用于物体检测与分类任务。该数据集包含2380张水果图片（香蕉、葡萄、苹果），并附带VOC (xml)、YOLO (txt) 和 JSON 三种格式的标签文件，适用于比赛项目使用。所有图像均为博主亲自拍摄制作而成，数据分布均匀且标注精准，适合多种目标检测算法直接应用。请注意，上传的所有数据均经过实际项目或实验验证，确保高质量无劣质内容，请放心下载并使用，有问题可随时留言咨询。

麻将识别数据集VOC+YOLO格式含21814张图片34类.zip

优质

该数据集包含21,814张图像和34个类别标签，适用于麻将游戏元素的物体检测。采用VOC和YOLO两种标注格式，便于研究者使用深度学习模型进行训练和测试。样本图请在服务器上下载（注意：务必到电脑端资源详情查看后下载）。数据集格式为Pascal VOC格式与YOLO格式（不包含分割路径的txt文件，仅包括jpg图片、对应的VOC格式xml文件及yolo格式txt文件）。图片数量（jpg文件个数）：21814 标注数量（xml文件个数）：21814 标注数量（txt文件个数）：21814 标注类别总数为34，具体名称如下： - bamboo_1, bamboo_2, bamboo_3, bamboo_4, bamboo_5, bamboo_6, bamboo_7, bamboo_8, bamboo_9, - character_1, character_2, character_3, character_4, character_5, character_6, character_7, character_8, character_9, - circle_1, circle_2, circle_3

月球与火星陨石坑数据集（1287张图片）- 包括VOC、YOLO和JSON格式标注.zip

优质

本资料包包含1287张关于月球与火星表面陨石坑的高分辨率图像，附带VOC、YOLO及JSON三种格式详细标注信息，适用于天文科研及AI模型训练。月球火星陨石坑检测数据集适用于课程作业、设计项目及比赛使用。该数据集包含1287张图像，所有标注均为人工完成，并且非常精确，具有良好的多样性。这些图片主要展示了月球表面的陨石坑和火星表面的陨石坑。此数据集非常适合用于天文地理研究以及论文实验。标签格式包括VOC（xml）、YOLO（txt）和JSON三种类型，多种目标检测算法可以直接使用这一数据集进行测试或训练。