Advertisement

YOLO水果蔬菜目标检测数据集（含8万张图片）.rar

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

简介：
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 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。
     
  • YOLO水果蔬菜数据集含90000张图片及131类.rar
    优质
    这是一个包含90000张图像和131种类别的YOLO格式水果蔬菜数据集压缩文件，适用于物体检测与识别研究。 YOLO水果蔬菜数据集包含真实场景中的高质量图片，格式为jpg，涵盖丰富多样的实际应用场景，共有131个类别。详情及更多数据集可在相关文章中查看。
     
  • YOLO蔬菜识别数据集含21000张图片及详细说明.rar
    优质
    本资源包含YOLO蔬菜识别数据集，内有21,000张高质量图片及其标注信息，适用于深度学习模型训练与测试。 1. 2万张蔬菜分类图片数据集.rar 2. 包含大白菜、小白菜、胡萝卜、番茄等共15种蔬菜的图像 3. 数据集详情展示及更多数据集下载信息可参考相关文章描述
     
  • Yolov5水果蔬菜检测数据集-Fruits-Vegetables_dataset_yolov5.zip
    优质
    Fruits-Vegetables_dataset_yolov5 数据集专为YOLOv5设计，包含丰富多样的水果和蔬菜图像，适用于目标检测任务。 数百张Yolov5水果和蔬菜检测数据集已经准备好，包括香蕉、橘子、苹果等多种水果和蔬菜。数据集目录已配置好，并划分成train、val 和 test三个部分，附有data.yaml文件。使用Yolov5、Yolov7或 Yolov8等算法可以直接进行模型训练。 数据集的配置目录结构如下： - train: ./train/images - val: ./valid/images - test: ./test/images
     
  • 【目标检测数据集】11960张水稻病害检测图片（VOC+YOLO格式）.zip
    优质
    本资源提供一套用于水稻病害识别的目标检测数据集，包含11960张标注清晰的图像，并以VOC和YOLO两种格式呈现，适用于深度学习模型训练。 数据集采用了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。 该数据集中共有11963张图片，每一张都有相应的标注信息： - Pascal VOC xml 文件数量：11963个 - YOLO txt 标注文件数量：11963个 这些图像被分为十二类进行标记： 标注类别数为 12 种，具体包括以下几种类型及其对应的框的数量: - BLBD: 框数 = 1030 - BLSD: 框数 = 1067 - BSD: 框数 = 1064 - DPD: 框数 = 1465 - FSD: 框数 = 2154 - Healty: 框数 = 1266 - NBD: 框数 = 1412 - NBSD: 框数 = 975 - Non-Rice: 框数 = 1298 - RBD: 框数 = 1070 - RRSD: 框数 = 972 - SBD: 框数 = 1303 总计标注框数量为：15,076个。 使用了labelImg工具进行标记，遵循对类别画矩形框的规则。
     
  • YOLO水果检测数据集：含8000张高质量图片及完整标注信息
    优质
    YOLO水果检测数据集包含8000张高质量图像与详尽标注信息，旨在提升水果识别精度，适用于机器学习和计算机视觉研究。 项目介绍： 该数据集包含 6 种不同水果（苹果、葡萄、菠萝、橙子、香蕉和西瓜）的 8479 张图像。每张图像都以 YOLOv8 格式进行了注释。 对每幅图像进行以下预处理操作： - 自动定向并剥离 EXIF 方向信息 - 调整大小至 640x640 像素（拉伸） - 应用增强功能，为每个源图像创建三个版本 对于边界框应用了如下变换： - 每个图像的水平翻转概率为 50% 数据集按以下比例进行划分： - 训练集：84% - 验证集：11% - 测试集：5% 下载后，请先阅读项目中的 README.md 文件（如有），以便更好地了解项目的详情和使用方法。本资源仅供学习参考，严禁用于商业用途。 对于任何疑问或需要帮助的情况，欢迎随时与我联系。
     
  • 36类常见水果蔬菜识别分类数据集（含3600张图片）.zip
    优质
    本数据集包含36类常见水果和蔬菜共3600张图像，每类别100张。适用于图像识别与分类研究，有助于提升模型对果蔬的辨识能力。 该数据集包含36类果蔬的图像共计3600张，分为水果和蔬菜两大类。其中水果包括香蕉、苹果、梨、葡萄、橙子、猕猴桃、西瓜、石榴、菠萝和芒果；蔬菜则有黄瓜、胡萝卜、辣椒（包括甜椒）、洋葱、马铃薯（包括红薯）、柠檬（虽然通常归为水果）、番茄（西红柿）、萝卜（含多种类型如白萝卜等）、甜菜根、卷心菜、生菜、菠菜、大豆、花椰菜和豌豆。数据集分为三个子文件夹：训练集，每个类别包含100张图像；测试集，每个类别有10张图像用于评估模型性能；验证集，同样为每类提供10张图像以确保模型在不同条件下的表现稳定性。这些图像按具体食品名称分类存储于各个相应的子文件夹中。
     
  • 1万多张Yolo红外微小无人机目标检测数据集（含数据增强图片）
    优质
    本数据集包含超过1万张针对YOLO算法优化的红外微小型无人机图像，通过引入数据增强技术进一步丰富样本多样性。 1万多张Yolo红外微小无人机目标检测数据集（包含有数据增强图像），已经配置好目录结构，并附有yolo格式的标签文件以及train、val、test三个子集划分，同时提供data.yaml文件以方便使用Yolov5、Yolov7和Yolov8等算法进行模型训练。
     
  • YOLO水果目标检测数据集（包含10000张图片及VOC、COCO、Yolo三种格式标签+划分脚本+训练教程）.rar
    优质
    这是一个包含10000张图片和详细标注的YOLO水果目标检测数据集，提供VOC、COCO及Yolo格式标签，并附有划分脚本和训练教程。 YOLO水果目标检测数据集包含真实场景中的高质量图片，覆盖多种不同情况。使用lableimg软件进行标注，确保了标签框的质量，并提供了voc(xml)、coco(json)以及yolo(txt)三种格式的标签文件，分别存储在不同的文件夹中，可以直接用于YOLO系列的目标检测任务。 此外还附赠有详细的环境搭建指南和训练案例教程，帮助用户更好地理解和使用数据集。同时提供了一个脚本工具来根据需求灵活地划分训练、验证及测试数据集。 该数据集详细信息可参考相关文档或直接下载以进一步了解。
     
  • 包含100多种蔬菜水果的图像数据集及训练源码（共计9万余张图片）
    优质
    本数据集包含超过9万张各类蔬菜与水果的高质量图像，涵盖100多个种类，旨在促进食品识别领域的研究和应用。同时提供详细的标注信息及模型训练代码，助力科研人员快速开展相关实验。 包含水果和蔬菜的高质量图像数据集包括以下种类：苹果（品种有Crimson Snow、Golden、Golden-Red、Granny Smith、Pink Lady、Red以及Red Delicious）、杏子、鳄梨及其成熟版本，香蕉（黄色与红色及Lady Finger），红甜菜根，蓝莓，仙人掌果，哈密瓜的两个不同品种，杨桃；蔬菜方面有花椰菜，樱桃的不同种类和Rainier品种；樱桃蜡（包括黄色、红色、黑色）；栗子，克莱门汀柑橘类水果以及椰子。此外还有带壳玉米及成熟黄瓜，枣子与茄子等常见食材；无花果及其根茎姜黄亦在其中。西番莲果实也囊括于内，葡萄则分为蓝色、粉色和白色（不同品种）；葡萄柚包括粉红和白两种颜色的类型；番石榴以及榛子、越橘及猕猴桃均包含在此数据集中，柿子与大头菜同样被纳入考量范围。金桔及其变种柠檬（普通型Meyer）、酸橙、荔枝亦是其中之物，橘子则包括芒果（绿色和红色）在内的诸多水果种类；Mangostan、Maracuja以及Melon Piel de Sapo等异域风味的水果也位列其中。桑葚及油桃（常规和平扁两种类型）也是该数据集的一部分。 总体而言，此高质量图像数据库包含共计90483张图片：训练集中有67692张单一水果或蔬菜的照片；测试集则由22688张此类照片构成；还有103张展示多种水果组合（不同种类）的图象。