Advertisement

人工智能图片验证码的训练集和测试集，每组包含5000张图片（训练集包含label.csv文件）。

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

简介：
为了使人工智能图片验证码识别系统能够高效运作，需要构建一个包含大量图像的数据集以进行训练。我们现提供了一组图片，其尺寸设定为120像素乘以40像素。该数据集包括5000张用于训练的图像，以及另外5000张用于测试的图像。值得注意的是，训练集中的图像尚未进行标注，希望这些资源能对您的项目有所裨益。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 人工智能图片验证码训练与测试数据集（含标签），各5000张.zip
    优质
    该资源包含两组图片验证码的数据集，每组各5000张，并附有详细标注。适用于人工智能识别系统的训练和性能评估。 人工智能图片验证码识别需要数据集进行训练。这里提供一组图像尺寸为120*40的图片，包含5000张用于训练（附带标签文件label.csv）和5000张用于测试的数据集。希望这些资源对您有所帮助。
     
  • NEU-DET钢材表面缺陷分类有六种类型，训练集包含1260张图片，验证集含361张图片，测试集为180张图片（yolov8格式）
    优质
    本数据集用于NEU-DET钢材表面缺陷分类任务，涵盖六种类别缺陷。共提供1260张训练图像、361张验证图像及180张测试图像，采用YOLOv8标注格式。 NEU-DET钢材表面缺陷共有六大类：crazing（龟裂）、inclusion（夹杂）、patches（斑点）、pitted_surface（凹坑表面）、rolled-in_scale（氧化铁皮压入）和scratches（划痕）。其中，训练集包含1260个样本片，验证集有361个样本片，测试集中则包括180个样本片。 钢铁检测的重要性主要体现在以下几个方面： 1. 保障产品质量：钢材中的缺陷可能会导致产品的强度、硬度、韧性等性能下降，甚至引发安全事故。
     
  • 包含训练集与验证集的跌倒检测数据集（500张图片，适用于YOLO模型）
    优质
    本数据集专为跌倒检测设计，含500张图像，并区分训练和验证两部分，完美匹配YOLO算法需求，助力高效准确的目标识别研究。 数据已由DK数据工作室整理完毕，并划分了训练集和验证集，包含接近500张照片，每张照片带有txt格式的标注文件，可以直接用于YOLO目标检测项目。
     
  • YOLO火焰与烟雾数据集 训练集15000张图片，验证集1400张，测试集700张
    优质
    YOLO火焰与烟雾数据集包含17,100张图像，其中训练集有15,000张、验证集有1,400张和测试集有700张。该数据集旨在提升烟火检测模型的性能。 数据集已经按照训练集、验证集和测试集划分好，并包含类别yaml标签，拿到数据集后无需任何处理即可直接用于训练。其中训练集有15000张图片，验证集合有1400张图片，测试集合有700张图片。所有图片的分辨率统一为640*640。
     
  • 包含训练集和测试集的TE数据集.zip
    优质
    本资料包提供了一个用于文本挖掘或自然语言处理研究的TE数据集，内含详细的训练集与测试集划分，便于模型开发与验证。 TE数据集是目前故障诊断领域常用的数据库之一。它由训练集和测试集两部分组成，整个TE数据集中包含22次不同的仿真运行结果的数据，每个样本有52个观测变量。d00.dat至d21.dat构成了训练集的样本段落件，而d00_te.dat到d21_te.dat则是用于测试的样本段落件。其中，d00.dat和d00_te.dat代表的是正常操作条件下的数据。 具体来说，d00.dat是通过运行25小时仿真的方式获取的数据，总共包含500个观测点；而d00_te.dat则是在48小时仿真环境下获得的测试样本段落件，该文件共记录了960个观测值。
     
  • 猫狗二分类数据集【含37500张图片的训练集与测试集】
    优质
    这是一个包含37,500张图片的数据集，专为训练和评估猫狗识别模型设计，内部分为训练集和测试集。 训练数据集包含25000张图片，其中猫和狗各12500张。前一半的图片是猫，后一半则是狗。测试数据集中有12500张图片，其中包括等量的猫和狗图像。
     
  • Py-Faster-RCNN数据集划分（训练集、验证集、训练验证集和测试集）
    优质
    简介：本文介绍了如何对Py-Faster-RCNN项目中的数据集进行合理划分，包括训练集、验证集、训练验证集及测试集的分配方法与实践技巧。 将数据集划分为py-faster-rcnn所需的集合（训练集、验证集、训练验证集、测试集），并读取xml文件生成对应的txt文件。
     
  • 包含4576张图片及训练好的.xml文件的摔倒数据集
    优质
    本数据集包含了4576张图像和一个预训练模型的XML文件，专为检测和识别人体摔倒事件设计，适用于机器学习与计算机视觉研究。 包含4576张摔倒数据集的图片及训练好的.xml文件，可用于训练生成智能识别摔倒的.pth模型和.h5模型。
     
  • Captcha验证码数据集：训练集20000张，测试集10000张
    优质
    本项目提供了一个包含30000张图片的Captcha验证码数据集，其中训练集有20000张，测试集为10000张，适用于验证码识别系统的模型训练与评估。 训练集带label.csv文件位于train文件夹中。图片尺寸为105*35，在使用时可以调整为120*40。此数据集适用于人工智能图片验证码识别的训练需求。
     
  • 钢材表面瑕疵数据集（含1200张训练图片及600张验证图片）
    优质
    本数据集包含1800幅高质量图像，旨在用于检测和分类钢材表面缺陷。其中包括1200张训练图片与600张验证图片，为机器学习模型提供丰富的训练资源。 此数据集由东北大学教授创建，专门用于识别钢材表面缺陷。数据集按照COCO格式进行了划分，包含1200张训练图像和600张验证图像，并附有相应的json文件。