Advertisement

骨关节炎病情分级数据集，包含14038张图片，采用4类分类。

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：7Z

简介：
该数据集主要适用于图像分类任务，但不适用于处理无标注目标检测文件。数据集采用特定的格式，仅包含JPEG图片文件，每个类别对应的文件夹下存储着相应的图像资源。数据集总共包含14038张JPEG图片。此外，该数据集拥有四个不同的类别。这些类别的名称分别是“grade0”、“grade2”、“grade3”和“grade4”。 欲了解更多详细信息，请访问blog..net/FL1623863129/articledetails139383325。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 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。
  • 水稻叶穗病害的分类数据集（含4078张图片，4种类别）.7z
    优质
    本数据集包含4078张图片，涵盖了水稻生长过程中可能遇到的四种不同类型的叶穗病害，为研究和分析提供了详实的数据支持。 数据集类型：用于图像分类的数据集，不可用于目标检测且无标注文件。 数据集格式：仅包含jpg图片，每个类别对应一个文件夹，并在该文件夹内存放相应的图片。 图片总数（jpg 文件个数）：4078 分类的类别数量：4 具体类别的名称及对应的图片数目如下： - Brown_Spot 图片数：613 - Healthy 图片数：1488 - Leaf_Blast 图片数：977 - Neck_Blast 图片数：1000
  • 橙子病害分类数据集（含增强）1614张，4类.7z
    优质
    本数据集包含1614张图片，涵盖四种不同类型的橙子病害，旨在为机器学习模型提供训练和测试的数据支持。通过数据增强技术，进一步丰富了样本多样性。 数据集类型：图像分类用，不可用于目标检测。 数据格式：仅包含jpg图片，每个类别文件夹下存放着对应类别的图片。 图片数量（jpg文件个数）：1614 分类类别数：4 类别名称： - blackspot - canker - fresh - grenning 每个类别图片数： - blackspot 图片数：344 - canker 图片数：349 - fresh 图片数：552 - grenning 图片数：369 重要说明：数据集中包含大量增强的数据，介意者请勿使用。购买后不接受因模型精度问题的差评。 特别声明：本数据集不对训练后的模型或权重文件的精度作任何保证。我们仅提供准确且合理分类存放的数据。
  • 小麦病害分类数据集（含7653张图片，12个类别）.7z
    优质
    本数据集包含7653张图像，涵盖12种不同类型的小麦病害，旨在促进农业领域中机器学习算法的研发与应用。 数据集类型：图像分类用，不可用于目标检测且无标注文件。 数据集格式：仅包含jpg图片，每个类别文件夹下存放着对应类别的图片。 图片总数（jpg文件个数）：7653 分类的类别数量：12 各分类下的图片数量： - crown_and_root_rot: 1102 - healthy_wheat: 1434 - leaf_rust: 1797 - powdery_mildew: 218 - wheat_aphids: 315 - wheat_cyst_nematode: 57 - wheat_loose_smut: 1017 - wheat_red_spider: 199 - wheat_scab: 545 - wheat_sharp_eyespot: 545 - wheat_stalk_rot: 274 - wheat_takeall: 150 重要说明：暂无。 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，仅提供准确且合理分类存放。
  • 骨折分类图片数据集.zip
    优质
    本数据集包含各类骨折类型的清晰图像，旨在为医学研究和教育提供详实资料，便于医生学习及人工智能技术在骨折诊断中的应用。 计算机视觉数据集是指用于训练和测试计算机视觉算法的图像或视频集合。这些数据集通常包含大量标记的数据点，有助于研究人员开发出更准确、高效的模型。通过使用高质量的数据集，可以提高机器学习系统的性能，在识别物体、面部表情分析等领域取得更好的成果。
  • 包含2300多张图片的医学皮肤病变分类数据集
    优质
    本数据集收录超过两千三百张图像，涵盖各类常见及罕见皮肤病症状，旨在推动医学影像分析技术的发展与应用。 该数据集适合用于医学专业AI研究中的皮肤病分类与识别任务。包含2300多张图片，并且可以根据需要进行目标检测的标注工作。九个类别分别为：光化角质病、基底细胞癌、皮肤纤维瘤、黑素瘤、痣、色素良性病变、脂溢性角化病、鳞状细胞癌和血管损害。数据集具有多样性，分布均匀，常用的分类算法可以很好地拟合这些数据。使用ResNet34网络模型时，精确度可达到98.3%。欢迎下载使用。
  • 家具图像分类数据集，包含9346张图片
    优质
    该数据集包含了9346张家具图片，旨在促进家具图像的自动分类研究，为机器学习模型提供丰富的训练和测试资源。 家具分类图片数据集包含9346张家具图像，文件内有每张图像的路径、注释标签以及类别信息。
  • 辣椒病虫害图像分类数据集【包含约7,500张标注图片】
    优质
    本数据集提供了超过7,500张经过详细标注的辣椒病虫害图片，涵盖多种常见疾病与害虫，为深度学习研究提供丰富资源。 辣椒病虫害图像分类数据集【已标注，约7,500张数据】 类别数量【11】：炭疽病、螨虫、温度不适、缺素等【具体查看json文件】 划分了训练集与测试集，并将各自的数据图片存放于相应目录。如果想可视化数据集，可以运行资源中的show脚本。 提供了一些基于CNN的分类网络项目和图像分割完整项目的介绍，以及对YOLOv5模型进行改进的相关内容。 对于更多关于图像分类、医学图像分割及目标检测（使用yolo）等领域的项目与相应网络改进的内容，请参考本人主页。