0 0.019097 0.644841 0.036210 0.064815
0 0.057292 0.494874 0.048115 0.051257
0 0.119544 0.538360 0.062996 0.099206
0 0.050595 0.645999 0.038194 0.182870
0 0.113591 0.731151 0.038194 0.111772
0 0.087302 0.644676 0.034722 0.107474
0 0.367932 0.720403 0.043899 0.142526
0 0.311508 0.525628 0.062004 0.078373
0 0.360243 0.532242 0.039931 0.090278
0 0.347718 0.595569 0.040675 0.115079
0 0.317832 0.608300 0.030010 0.053902
0 0.379960 0.643353 0.045139 0.102183
0 0.457713 0.571594 0.037946 0.113426
0 0.488591 0.581680 0.059524 0.105820
0 0.498512 0.666501 0.034226 0.109458
0 0.521701 0.623677 0.027530 0.060185
0 0.432664 0.646164 0.057788 0.158069
0 0.515005 0.517361 0.042411 0.045304
0 0.558284 0.504134 0.037698 0.047950
0 0.588666 0.566468 0.045387 0.100529
0 0.544891 0.555225 0.037698 0.053571
0 0.567460 0.585152 0.031250 0.094246
0 0.638889 0.662864 0.052579 0.054563
0 0.664062 0.733300 0.055308 0.141865
0 0.671131 0.608962 0.041171 0.057870
0 0.710317 0.669147 0.042659 0.077712
0 0.737351 0.651951 0.053571 0.106151
0 0.779266 0.599041 0.028274 0.061839
0 0.821677 0.459325 0.042163 0.083995
0 0.781870 0.480159 0.035466 0.050926
0 0.836310 0.543816 0.087798 0.156415
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
项目包含:果林中葡萄检测数据(1类别,包含训练集、验证集),数据保存按照YOLOV5文件夹保存,可直接用作目标检测数据集,无需额外处理。 图像分辨率为2048*1365的RGB图片,图像分辨率极大。数据集是葡萄果树上的葡萄目标检测,边界框标注清晰,图像完整。标注格式为yolo的相对坐标 【数据集介绍】葡萄检测图像数据,1类别:葡萄 【数据总大小压缩后】290MB(数据分为分为训练集和验证集) 训练集datasets-images-train:240张图片和240个标签txt文件组成 验证集datasets-images-val:60张图片和60个标签txt文件组成 【txt类别文本文件】1类别txt文本信息 为了方便查看数据,提供了可视化py文件,随机传入一张图片即可绘制边界框,并且保存在当前目录。脚本无需更改,可以直接运行
资源推荐
资源详情
资源评论
收起资源包目录
目标检测数据集(YOLOV5目录格式):果林中葡萄检测数据(1类别,包含训练集、验证集) (603个子文件)
CSV_20180427_144622111_HDR.jpg 1.92MB
CSV_20180427_144556277.jpg 1.91MB
CSV_20180427_144528920.jpg 1.83MB
CSV_20180427_144615644.jpg 1.81MB
CFR_20180427_141215627.jpg 1.79MB
CFR_20180427_141134599.jpg 1.79MB
CFR_20180427_141236326.jpg 1.79MB
CSV_20180427_144513954.jpg 1.73MB
CSV_20180427_144714850_HDR.jpg 1.69MB
CFR_20180427_141128570.jpg 1.68MB
CDY_20180427_152937457_BURST000_COVER_TOP.jpg 1.68MB
CSV_20180427_144548550.jpg 1.67MB
SVB_20180427_151848752.jpg 1.65MB
CDY_20180427_153409150_BURST000_COVER_TOP.jpg 1.64MB
CSV_20180427_144507419.jpg 1.63MB
CSV_20180427_144521946.jpg 1.63MB
CFR_20180427_141239085.jpg 1.62MB
CDY_20180427_153126820_BURST000_COVER_TOP.jpg 1.61MB
CSV_20180427_144848357.jpg 1.61MB
CDY_20180427_152823935_BURST000_COVER_TOP.jpg 1.6MB
CSV_20180427_144723166_HDR.jpg 1.6MB
CSV_20180427_144602780.jpg 1.6MB
CSV_20180427_144743364_HDR.jpg 1.59MB
SVB_20180427_152328332_HDR.jpg 1.59MB
CFR_20180427_141150696.jpg 1.58MB
CDY_20180427_152724818_BURST000_COVER_TOP.jpg 1.58MB
SVB_20180427_152010406_HDR.jpg 1.57MB
CSV_20180427_144535647.jpg 1.57MB
CDY_20180427_153021423_BURST001.jpg 1.56MB
CDY_20180427_153152483_BURST001.jpg 1.56MB
CSV_20180427_144732784_HDR.jpg 1.55MB
SVB_20180427_151818928.jpg 1.55MB
CDY_20180427_153557690_BURST000_COVER_TOP.jpg 1.54MB
SVB_20180427_152158290_HDR.jpg 1.54MB
CFR_20180427_141059738_HDR.jpg 1.54MB
CDY_20180427_153126820_BURST001.jpg 1.54MB
SVB_20180427_152106643_HDR.jpg 1.53MB
SVB_20180427_152312131_HDR.jpg 1.52MB
CFR_20180427_141115778_HDR.jpg 1.51MB
SVB_20180427_151832492.jpg 1.51MB
CFR_20180427_141119803_HDR.jpg 1.51MB
SVB_20180427_152220515_HDR.jpg 1.51MB
SVB_20180427_152027593_HDR.jpg 1.51MB
CDY_20180427_153433120_BURST001.jpg 1.5MB
CFR_20180427_141158495.jpg 1.49MB
CFR_20180427_141228722.jpg 1.46MB
CDY_20180427_153144437_BURST000_COVER_TOP.jpg 1.46MB
SVB_20180427_152414932_HDR.jpg 1.43MB
SVB_20180427_151954938_HDR.jpg 1.41MB
CFR_20180427_141224656.jpg 1.41MB
CDY_20180427_153310519_BURST000_COVER_TOP.jpg 1.4MB
SVB_20180427_152141327.jpg 1.37MB
SVB_20180427_151905850_HDR.jpg 1.36MB
CDY_20180427_153421615_BURST001.jpg 1.36MB
CDY_20180427_153615626_BURST000_COVER_TOP.jpg 1.29MB
SVB_20180427_152404735_HDR.jpg 1.26MB
CFR_20180427_141010086_HDR.jpg 1.24MB
CFR_20180427_141030745_HDR.jpg 1.24MB
CDY_20180427_153201477_BURST000_COVER_TOP.jpg 1.22MB
CFR_20180427_141254316_HDR.jpg 1.16MB
CFR_1643.jpg 1.14MB
CFR_1672.jpg 1.13MB
CDY_2037.jpg 1.1MB
CDY_2033.jpg 1.09MB
CDY_2015.jpg 1.09MB
CDY_2041.jpg 1.06MB
SVB_1956.jpg 1.06MB
CFR_1622.jpg 1.05MB
SVB_1969.jpg 1.05MB
CFR_1644.jpg 1.04MB
CFR_1654.jpg 1.03MB
SVB_1951.jpg 1.02MB
CFR_1663.jpg 1.02MB
CDY_2036.jpg 1.02MB
SVB_1964.jpg 1.02MB
CFR_1671.jpg 1.02MB
CDY_2048.jpg 1.01MB
SVB_1940.jpg 1.01MB
CDY_2042.jpg 1.01MB
CFR_1635.jpg 1MB
CDY_2045.jpg 1023KB
CFR_1670.jpg 1018KB
CFR_1662.jpg 1013KB
CFR_1652.jpg 1008KB
SVB_1944.jpg 1008KB
SVB_1952.jpg 997KB
SVB_1943.jpg 994KB
CDY_2029.jpg 993KB
CDY_2028.jpg 991KB
SVB_1946.jpg 987KB
CFR_1642.jpg 986KB
CFR_1657.jpg 984KB
CDY_2049.jpg 983KB
CDY_2044.jpg 981KB
SVB_1968.jpg 981KB
CFR_1633.jpg 980KB
SVB_1972.jpg 977KB
CSV_1870.jpg 977KB
CFR_1634.jpg 975KB
SVB_1930.jpg 972KB
共 603 条
- 1
- 2
- 3
- 4
- 5
- 6
- 7
资源评论
Ai医学图像分割
- 粉丝: 2w+
- 资源: 2128
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功