- 数据集大小:341MB包含13993张数据和对应的13993张mask分割模版,数据集用不同目录保存,也可以用作分类数据集 类别包含:桃子、辣椒、覆盆子、大豆、南瓜、草莓包含13993张数据和对应的13993张mask分割模版,数据集用不同目录保存,也可以用作分类数据集 类别包含:桃子、辣椒、覆盆子、大豆、南瓜、草莓0 17浏览¥ 49.90
- 数据集大小:912MB项目包含:12种金属表面缺陷检测【包含划分好的数据集、类别class文件、数据可视化脚本】,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*1000的大分辨率RGB图片,数据集为金属表面制品的缺陷检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】12类别:冲孔、熔接线、月牙形间隙、水斑、油斑、丝斑、夹杂物、轧坑、折痕、腰部折叠 【数据总大小压缩后】912 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:1596张图片和1596个标签txt文件组成 验证集datasets-images-val:684张图片和684个标签txt文件组成 【txt类别文本文件】12 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,可以直接运行可视化图像!!项目包含:12种金属表面缺陷检测【包含划分好的数据集、类别class文件、数据可视化脚本】,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*1000的大分辨率RGB图片,数据集为金属表面制品的缺陷检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】12类别:冲孔、熔接线、月牙形间隙、水斑、油斑、丝斑、夹杂物、轧坑、折痕、腰部折叠 【数据总大小压缩后】912 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:1596张图片和1596个标签txt文件组成 验证集datasets-images-val:684张图片和684个标签txt文件组成 【txt类别文本文件】12 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,可以直接运行可视化图像!!0 9浏览¥ 39.90
- 数据集大小:921MB数据包含:金属表面缺陷识别10分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:10分类】冲孔、熔接线、月牙形间隙、水斑、油斑、丝斑、夹杂物、轧坑、折痕、腰部折叠 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数1620,验证集图片总数686。可以用作yolov5的分类数据集. 【json文件】10 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!数据包含:金属表面缺陷识别10分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:10分类】冲孔、熔接线、月牙形间隙、水斑、油斑、丝斑、夹杂物、轧坑、折痕、腰部折叠 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数1620,验证集图片总数686。可以用作yolov5的分类数据集. 【json文件】10 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!0 5浏览¥ 19.90
- 数据集大小:268MB项目包含:单晶硅、双晶硅精细缺陷分割【数据集+标签文件+数据可视化代码】 数据集为单双晶硅分割数据,SolarCells为单晶硅分割数据,SolarCells-S为增广数据,PVEL-S为光伏电池异常缺陷检测方法,分为裂纹、断网、黑芯、粗线等12个不同类别。为了方便观察掩膜,提供了可视化代码 数据集总大小:267 MB 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下项目包含:单晶硅、双晶硅精细缺陷分割【数据集+标签文件+数据可视化代码】 数据集为单双晶硅分割数据,SolarCells为单晶硅分割数据,SolarCells-S为增广数据,PVEL-S为光伏电池异常缺陷检测方法,分为裂纹、断网、黑芯、粗线等12个不同类别。为了方便观察掩膜,提供了可视化代码 数据集总大小:267 MB 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下0 2浏览¥ 39.90
- 数据集大小:50MB项目包含:5种混凝土表面裂缝缺陷分割【数据集+标签文件+数据可视化代码】 数据集为混凝土墙面、地面等裂缝缺陷分割,分割的mask模版为0 1 的阈值图像。mask的像素分布为0背景、1裂缝等等。为了方便观察掩膜,提供了可视化代码 数据集总大小:51 MB 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,949张图片和949个对应的mask图片 测试集:images图片目录+masks模板目录,88张图片和88个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下项目包含:5种混凝土表面裂缝缺陷分割【数据集+标签文件+数据可视化代码】 数据集为混凝土墙面、地面等裂缝缺陷分割,分割的mask模版为0 1 的阈值图像。mask的像素分布为0背景、1裂缝等等。为了方便观察掩膜,提供了可视化代码 数据集总大小:51 MB 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,949张图片和949个对应的mask图片 测试集:images图片目录+masks模板目录,88张图片和88个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下0 24浏览¥ 39.90
- 数据集大小:352MB项目包含:1种织物表面油渍检测【包含划分好的数据集、类别class文件、数据可视化脚本】,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2000*1500的大分辨率RGB图片,数据集为织物物品表面油渍检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】1类别:stain 【数据总大小压缩后】352 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:319张图片和319个标签txt文件组成 验证集datasets-images-val:79张图片和79个标签txt文件组成 【txt类别文本文件】4 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,可以直接运行可视化图像!!项目包含:1种织物表面油渍检测【包含划分好的数据集、类别class文件、数据可视化脚本】,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2000*1500的大分辨率RGB图片,数据集为织物物品表面油渍检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】1类别:stain 【数据总大小压缩后】352 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:319张图片和319个标签txt文件组成 验证集datasets-images-val:79张图片和79个标签txt文件组成 【txt类别文本文件】4 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,可以直接运行可视化图像!!0 5浏览¥ 29.90
- 数据集大小:22MB项目包含:汽车破损缺陷分割(9类别)【数据集+标签+标签文本+数据可视化代码】 数据集为汽车碰撞损坏的缺陷分割,类别为9类别。其中mask为0 1 2之类的阈值图像,0为背景,1为擦伤等等共9类 【数据集总大小】22MB 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,355张图片和355个对应的mask图片 测试集:images图片目录+masks模板目录,81张图片和81个对应的mask图片 【classes文本】mask中像素点对应的真实标签 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下项目包含:汽车破损缺陷分割(9类别)【数据集+标签+标签文本+数据可视化代码】 数据集为汽车碰撞损坏的缺陷分割,类别为9类别。其中mask为0 1 2之类的阈值图像,0为背景,1为擦伤等等共9类 【数据集总大小】22MB 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,355张图片和355个对应的mask图片 测试集:images图片目录+masks模板目录,81张图片和81个对应的mask图片 【classes文本】mask中像素点对应的真实标签 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下0 4浏览¥ 39.90
- python大小:392MB数据包含:10种司机驾驶姿态识别【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:10分类】 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数12228,验证集图片总数5234。可以用作yolov5的分类数据集. 【json文件】10 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!数据包含:10种司机驾驶姿态识别【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:10分类】 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数12228,验证集图片总数5234。可以用作yolov5的分类数据集. 【json文件】10 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!0 2浏览¥ 19.90
- 数据集大小:938MB项目包含:Liver肝脏癌症数据、划分了2D 数据、并且划分了训练集和测试集 数据集为Liver3d,原始数据为nii.gz 文件,这里将数据在x轴进行切分,并且去除了前景区域不足0.05的数据,总共提取了8k多张图像。mask的像素分布为0背景、1肝脏、2癌症 数据集总大小:937MB 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,6227张图片和6227个对应的mask图片 测试集:images图片目录+masks模板目录,2668张图片和2668个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下项目包含:Liver肝脏癌症数据、划分了2D 数据、并且划分了训练集和测试集 数据集为Liver3d,原始数据为nii.gz 文件,这里将数据在x轴进行切分,并且去除了前景区域不足0.05的数据,总共提取了8k多张图像。mask的像素分布为0背景、1肝脏、2癌症 数据集总大小:937MB 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,6227张图片和6227个对应的mask图片 测试集:images图片目录+masks模板目录,2668张图片和2668个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下0 18浏览¥ 29.90
- 数据集大小:659MB项目包含:胰腺癌症(Pancreas)切片分割【包含3个切面划分的数据集(3类别)、标签文件、可视化代码】 【其中mask中1为胰腺、2为癌症 、0为背景】 数据集为生物医学影像一些癌症3D数据(nii.gz)的切片数据,分别从轴位面(横端面)、冠状面、矢状面切分出2D图像。为了方便分割,这里切片的时候去除了ROI区域不足1%的数据。mask的灰度值为0 1 2阈值图,图像和标签均为png格式。为了方便观察mask,提供了可视化代码(show.py) 数据集介绍:分为x、y、z轴的切面图像 x轴:512*512分辨率,images图片目录+masks模板目录,1601张图片和1601个对应的mask图片 y轴:512*110分辨率,images图片目录+masks模板目录,12777张图片和12777个对应的mask图片 z轴:512*110分辨率,images图片目录+masks模板目录,10514张图片和10514个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下。可以直接运行即项目包含:胰腺癌症(Pancreas)切片分割【包含3个切面划分的数据集(3类别)、标签文件、可视化代码】 【其中mask中1为胰腺、2为癌症 、0为背景】 数据集为生物医学影像一些癌症3D数据(nii.gz)的切片数据,分别从轴位面(横端面)、冠状面、矢状面切分出2D图像。为了方便分割,这里切片的时候去除了ROI区域不足1%的数据。mask的灰度值为0 1 2阈值图,图像和标签均为png格式。为了方便观察mask,提供了可视化代码(show.py) 数据集介绍:分为x、y、z轴的切面图像 x轴:512*512分辨率,images图片目录+masks模板目录,1601张图片和1601个对应的mask图片 y轴:512*110分辨率,images图片目录+masks模板目录,12777张图片和12777个对应的mask图片 z轴:512*110分辨率,images图片目录+masks模板目录,10514张图片和10514个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下。可以直接运行即0 9浏览¥ 49.90
- 数据集大小:124MB项目包含:4种航空发动机缺陷检测【包含划分好的数据集、类别class文件、数据可视化脚本】,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2000-3000的大分辨率RGB图片,数据集为航空发动机故障缺陷检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】4类别:抓痕、污点、破损、dirty 【数据总大小压缩后】124 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:257张图片和257个标签txt文件组成 验证集datasets-images-val:73张图片和73个标签txt文件组成 【txt类别文本文件】4 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,可以直接运行可视化图像!!项目包含:4种航空发动机缺陷检测【包含划分好的数据集、类别class文件、数据可视化脚本】,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2000-3000的大分辨率RGB图片,数据集为航空发动机故障缺陷检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】4类别:抓痕、污点、破损、dirty 【数据总大小压缩后】124 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:257张图片和257个标签txt文件组成 验证集datasets-images-val:73张图片和73个标签txt文件组成 【txt类别文本文件】4 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,可以直接运行可视化图像!!0 11浏览¥ 29.90
- 数据集大小:425MB基于 UnetPlusPlus 网络对橘子叶片分割实战 代码均为手写,全网无重复,训练自己数据很简单,只需要摆放好数据即可 数据集:橘子叶片(约5000张数据和标注图像) 网络仅仅测试5个epoch,全局像素点的准确度达到0.98,dice为0.96,训练epoch加大的话,性能还会更加优越! 代码介绍: 训练过程提供了多种优化器选择(Adam、SGD、RMSProp),损失函数采用BCE 逻辑损失,学习率的衰减提供了常规恒定lr、余弦退火算法、以及step学习率衰减。可以自行选择 【训练过程会生成最好和最后一个权重,以及数据预处理完的可视化效果图、dice、loss曲线、训练日志等等】 评价指标采用dice,训练完成后,会载入最好权重,计算验证集的recall、precision等等 具体参考README文件,小白均可使用基于 UnetPlusPlus 网络对橘子叶片分割实战 代码均为手写,全网无重复,训练自己数据很简单,只需要摆放好数据即可 数据集:橘子叶片(约5000张数据和标注图像) 网络仅仅测试5个epoch,全局像素点的准确度达到0.98,dice为0.96,训练epoch加大的话,性能还会更加优越! 代码介绍: 训练过程提供了多种优化器选择(Adam、SGD、RMSProp),损失函数采用BCE 逻辑损失,学习率的衰减提供了常规恒定lr、余弦退火算法、以及step学习率衰减。可以自行选择 【训练过程会生成最好和最后一个权重,以及数据预处理完的可视化效果图、dice、loss曲线、训练日志等等】 评价指标采用dice,训练完成后,会载入最好权重,计算验证集的recall、precision等等 具体参考README文件,小白均可使用0 16浏览¥ 79.90
- 数据集大小:140MBYOLOV5水下管道检测数据集+数据可视化代码+ 7000张标注好的数据 代码的下载地址在:https://blog.csdn.net/qq_44886601/article/details/136369883 文章教程配置环境:https://blog.csdn.net/qq_44886601/category_12573095.html 更多yolov5改进策略:https://blog.csdn.net/qq_44886601/category_12605353.html 遇到问题请小伙伴通过私信联系作者,感谢大家的支持!YOLOV5水下管道检测数据集+数据可视化代码+ 7000张标注好的数据 代码的下载地址在:https://blog.csdn.net/qq_44886601/article/details/136369883 文章教程配置环境:https://blog.csdn.net/qq_44886601/category_12573095.html 更多yolov5改进策略:https://blog.csdn.net/qq_44886601/category_12605353.html 遇到问题请小伙伴通过私信联系作者,感谢大家的支持!0 15浏览¥ 29.90
- 数据集大小:120MB项目包含:遥感下的云层、船只检测(4类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为遥感卫星背景下的船只、云层等等小目标检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】4类别:货物、船只、云层、岛屿 【数据总大小压缩后】81 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:3054张图片和3054个标签txt文件组成 验证集datasets-images-val:437张图片和437个标签txt文件组成 【txt类别文本文件】4 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,可以直接运行可视化图像!!项目包含:遥感下的云层、船只检测(4类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为遥感卫星背景下的船只、云层等等小目标检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】4类别:货物、船只、云层、岛屿 【数据总大小压缩后】81 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:3054张图片和3054个标签txt文件组成 验证集datasets-images-val:437张图片和437个标签txt文件组成 【txt类别文本文件】4 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,可以直接运行可视化图像!!0 15浏览¥ 29.90
- 数据集大小:15MB项目包含:遥感下的林业树木检测(1类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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256*256的大分辨率RGB图片,数据集为遥感卫星背景下的林业树木检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】1类别:tree 【数据总大小压缩后】81 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:1245张图片和1245个标签txt文件组成 验证集datasets-images-val:226张图片和226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,可以直接运行可视化图像!!项目包含:遥感下的林业树木检测(1类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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256*256的大分辨率RGB图片,数据集为遥感卫星背景下的林业树木检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】1类别:tree 【数据总大小压缩后】81 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:1245张图片和1245个标签txt文件组成 验证集datasets-images-val:226张图片和226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,可以直接运行可视化图像!!0 10浏览¥ 29.90
- 数据集大小:83MB项目包含:医学图像噬菌体细菌活性检测(2类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为噬菌体细菌活性检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】2类别:活性噬菌体细胞、非活性噬菌体细胞 【数据总大小压缩后】81 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:1258张图片和1258个标签txt文件组成 验证集datasets-images-val:164张图片和164个标签txt文件组成 【txt类别文本文件】2 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,可以直接运行可视化图像!!项目包含:医学图像噬菌体细菌活性检测(2类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为噬菌体细菌活性检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】2类别:活性噬菌体细胞、非活性噬菌体细胞 【数据总大小压缩后】81 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:1258张图片和1258个标签txt文件组成 验证集datasets-images-val:164张图片和164个标签txt文件组成 【txt类别文本文件】2 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,可以直接运行可视化图像!!0 9浏览¥ 39.90
- 数据集大小:479MB项目包含:跌倒检测【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为生活中常见的行人摔倒检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】1类别:fall people 【数据总大小压缩后】479 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:9438张图片和9438个标签txt文件组成 验证集datasets-images-val:899张图片和899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,可以直接运行可视化图像!!项目包含:跌倒检测【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为生活中常见的行人摔倒检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】1类别:fall people 【数据总大小压缩后】479 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:9438张图片和9438个标签txt文件组成 验证集datasets-images-val:899张图片和899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,可以直接运行可视化图像!!0 8浏览¥ 39.90
- 数据集大小:240MB项目包含:10类别植物叶片缺陷病害检测【包含划分好的数据集、类别class文件、数据可视化脚本】,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416*416的大分辨率RGB图片,数据集为农作物植物叶片病害的缺陷检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】10类别:格鲁病、早叶斑病、黑斑等等 【数据总大小压缩后】240 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:13665张图片和13665个标签txt文件组成 验证集datasets-images-val:1317张图片和1317个标签txt文件组成 【txt类别文本文件】10 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,可以直接运行可视化图像!!项目包含:10类别植物叶片缺陷病害检测【包含划分好的数据集、类别class文件、数据可视化脚本】,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416*416的大分辨率RGB图片,数据集为农作物植物叶片病害的缺陷检测。标注的边界框完整,每张图像均有数个目标 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】10类别:格鲁病、早叶斑病、黑斑等等 【数据总大小压缩后】240 MB(数据分为分为训练集和验证集) 训练集datasets-images-train:13665张图片和13665个标签txt文件组成 验证集datasets-images-val:1317张图片和1317个标签txt文件组成 【txt类别文本文件】10 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,可以直接运行可视化图像!!0 13浏览¥ 39.90
- 数据集大小:58MB项目包含:马铃薯(potato)叶片病害分割【数据集+类别标签+可视化代码】 数据集为256*256分辨率下的马铃薯叶片病害分割。 分割前景为叶片等等。标签的mask图像为rgb的彩色图像,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据集介绍:总共3个文件(健康、早期枯萎病、枯萎病晚期)和2152张图像和对应的mask标签 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下项目包含:马铃薯(potato)叶片病害分割【数据集+类别标签+可视化代码】 数据集为256*256分辨率下的马铃薯叶片病害分割。 分割前景为叶片等等。标签的mask图像为rgb的彩色图像,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据集介绍:总共3个文件(健康、早期枯萎病、枯萎病晚期)和2152张图像和对应的mask标签 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下0 13浏览¥ 29.90
- 数据集大小:37MB数据包含:马铃薯(potato)叶片病害识别3分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:3分类】健康、早期枯萎病、枯萎病晚期 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数1507,验证集图片总数645。可以用作yolov5的分类数据集. 【json文件】3 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!数据包含:马铃薯(potato)叶片病害识别3分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:3分类】健康、早期枯萎病、枯萎病晚期 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数1507,验证集图片总数645。可以用作yolov5的分类数据集. 【json文件】3 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!0 6浏览¥ 19.90
- 数据集大小:396MB数据包含:大型室内场景识别64分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:64分类】卧室、客厅、电梯等等 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数10885,验证集图片总数3128。可以用作yolov5的分类数据集. 【json文件】64 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!数据包含:大型室内场景识别64分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:64分类】卧室、客厅、电梯等等 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数10885,验证集图片总数3128。可以用作yolov5的分类数据集. 【json文件】64 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!0 4浏览¥ 29.90
- 数据集大小:30MB数据包含:3种自然界灾害识别【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:3分类】地震、火灾、洪水 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数1923,验证集图片总数821。可以用作yolov5的分类数据集. 【json文件】3 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!数据包含:3种自然界灾害识别【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:3分类】地震、火灾、洪水 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数1923,验证集图片总数821。可以用作yolov5的分类数据集. 【json文件】3 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!0 4浏览¥ 19.90
- 软件/插件大小:190MB基于YOLOV5 对冬虫夏草生长检测(1类别)的目标检测实战项目,包含代码、数据集、训练好的权重参数,经测试,代码可以直接使用 图像分辨率为640*482的大分辨率RGB图片,数据集为土地刚生长的冬虫夏草检测,检测目标前景为冬虫夏草。标注的边界框完整,每张图像均有清晰目标。 【数据】(分为分为训练集和验证集) 训练集datasets-images-train:491张图片和491个标签txt文件组成 验证集datasets-images-val:122张图片和122个标签txt文件组成 【yolov5】项目总大小:189 MB 项目检测测试了20个epoch,在runs目录下保存了训练结果,训练最好的精度map0.5=0.96,map0.5:0.95=0.51。网络还没收敛,加大epoch可以得到更好的结果。 训练过程中会生成验证集的混淆矩阵,PR曲线、F1曲线等等 更多yolov5改进介绍、或者如何训练,请参考: https://blog.csdn.net/qq_44886601/category_12605353.html基于YOLOV5 对冬虫夏草生长检测(1类别)的目标检测实战项目,包含代码、数据集、训练好的权重参数,经测试,代码可以直接使用 图像分辨率为640*482的大分辨率RGB图片,数据集为土地刚生长的冬虫夏草检测,检测目标前景为冬虫夏草。标注的边界框完整,每张图像均有清晰目标。 【数据】(分为分为训练集和验证集) 训练集datasets-images-train:491张图片和491个标签txt文件组成 验证集datasets-images-val:122张图片和122个标签txt文件组成 【yolov5】项目总大小:189 MB 项目检测测试了20个epoch,在runs目录下保存了训练结果,训练最好的精度map0.5=0.96,map0.5:0.95=0.51。网络还没收敛,加大epoch可以得到更好的结果。 训练过程中会生成验证集的混淆矩阵,PR曲线、F1曲线等等 更多yolov5改进介绍、或者如何训练,请参考: https://blog.csdn.net/qq_44886601/category_12605353.html0 4浏览¥ 59.90
- windows大小:405MB1、cudnn8.7.9源码 2、windows1、cudnn8.7.9源码 2、windows0 3浏览免费
- opencv大小:288MBopencv4.8.0、opencv4.9.0、opencv_contrib4.8.0、opencv_contrib4.9.0源码opencv4.8.0、opencv4.9.0、opencv_contrib4.8.0、opencv_contrib4.9.0源码0 18浏览免费
- 目标检测大小:80MB项目包含:土地中的冬虫夏草检测(1类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*482的大分辨率RGB图片,数据集为土地刚生长的冬虫夏草检测,检测目标前景为冬虫夏草。标注的边界框完整,每张图像均有清晰目标。 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】1类别:冬虫夏草 【数据】数据分为分为训练集和验证集 训练集datasets-images-train:491张图片和491个标签txt文件组成 验证集datasets-images-val:122张图片和122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,可以直接运行可视化图像!!项目包含:土地中的冬虫夏草检测(1类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*482的大分辨率RGB图片,数据集为土地刚生长的冬虫夏草检测,检测目标前景为冬虫夏草。标注的边界框完整,每张图像均有清晰目标。 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】1类别:冬虫夏草 【数据】数据分为分为训练集和验证集 训练集datasets-images-train:491张图片和491个标签txt文件组成 验证集datasets-images-val:122张图片和122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,可以直接运行可视化图像!!0 9浏览¥ 39.90
- 数据集大小:368MB基于 UnetPlusPlus 网络对大脑肿瘤分割实战 代码均为手写,全网无重复,训练自己数据很简单,只需要摆放好数据即可 数据集:大脑肿瘤 网络仅仅测试30个epoch,全局像素点的准确度达到0.95,dice为0.74,训练epoch加大的话,性能还会更加优越! 代码介绍: 训练过程提供了多种优化器选择(Adam、SGD、RMSProp),损失函数采用BCE 逻辑损失,学习率的衰减提供了常规恒定lr、余弦退火算法、以及step学习率衰减。可以自行选择 【训练过程会生成最好和最后一个权重,以及数据预处理完的可视化效果图、dice、loss曲线、训练日志等等】 评价指标采用dice,训练完成后,会载入最好权重,计算验证集的recall、precision等等 具体参考README文件,小白均可使用基于 UnetPlusPlus 网络对大脑肿瘤分割实战 代码均为手写,全网无重复,训练自己数据很简单,只需要摆放好数据即可 数据集:大脑肿瘤 网络仅仅测试30个epoch,全局像素点的准确度达到0.95,dice为0.74,训练epoch加大的话,性能还会更加优越! 代码介绍: 训练过程提供了多种优化器选择(Adam、SGD、RMSProp),损失函数采用BCE 逻辑损失,学习率的衰减提供了常规恒定lr、余弦退火算法、以及step学习率衰减。可以自行选择 【训练过程会生成最好和最后一个权重,以及数据预处理完的可视化效果图、dice、loss曲线、训练日志等等】 评价指标采用dice,训练完成后,会载入最好权重,计算验证集的recall、precision等等 具体参考README文件,小白均可使用0 14浏览¥ 59.90
- 数据集大小:48MB项目包含:大脑肿瘤分割(2分割)【数据集+类别标签+可视化代码】 数据集为416*416分辨率下的人脑MRI背景下的肿瘤(Tumor)分割数据集。 分割前景为Tumor分割。标签的mask图像为1的阈值,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,1632张图片和1632个对应的mask图片 测试集:images图片目录+masks模板目录,240图片和240个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下项目包含:大脑肿瘤分割(2分割)【数据集+类别标签+可视化代码】 数据集为416*416分辨率下的人脑MRI背景下的肿瘤(Tumor)分割数据集。 分割前景为Tumor分割。标签的mask图像为1的阈值,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,1632张图片和1632个对应的mask图片 测试集:images图片目录+masks模板目录,240图片和240个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下0 17浏览¥ 29.90
- 数据集大小:623MB项目包含:肝血管和肿瘤(HepaticVessel)切片分割【包含3个切面划分的数据集(3类别)、标签文件、可视化代码】 【其中mask中1为肝血管、2为肿瘤 、0为背景】 数据集为生物医学影像肝血管和肿瘤3D数据(nii.gz)的切片数据,分别从轴位面(横端面)、冠状面、矢状面切分出2D图像。为了方便分割,这里切片的时候去除了ROI区域不足1%的数据,图像和标签均为png格式。为了方便观察mask,提供了可视化代码(show.py) 数据集介绍:分为x、y、z轴的切面图像 x轴:512*512分辨率,images图片目录+masks模板目录,2104张图片和2104个对应的mask图片 y轴:512*66分辨率,images图片目录+masks模板目录,15537张图片和15537个对应的mask图片 z轴:512*66分辨率,images图片目录+masks模板目录,14296张图片和14296个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下。可以直接运行即项目包含:肝血管和肿瘤(HepaticVessel)切片分割【包含3个切面划分的数据集(3类别)、标签文件、可视化代码】 【其中mask中1为肝血管、2为肿瘤 、0为背景】 数据集为生物医学影像肝血管和肿瘤3D数据(nii.gz)的切片数据,分别从轴位面(横端面)、冠状面、矢状面切分出2D图像。为了方便分割,这里切片的时候去除了ROI区域不足1%的数据,图像和标签均为png格式。为了方便观察mask,提供了可视化代码(show.py) 数据集介绍:分为x、y、z轴的切面图像 x轴:512*512分辨率,images图片目录+masks模板目录,2104张图片和2104个对应的mask图片 y轴:512*66分辨率,images图片目录+masks模板目录,15537张图片和15537个对应的mask图片 z轴:512*66分辨率,images图片目录+masks模板目录,14296张图片和14296个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下。可以直接运行即0 12浏览¥ 49.90
- 数据集大小:674MB项目包含:肺部癌症(Lung)切片分割【包含3个切面划分好的数据集(2类别)、标签文件、可视化代码】 【其中mask中1为肺部癌症病灶 、0为背景】 数据集为生物医学影像肺部癌症3D数据(nii.gz)的切片数据,分别从轴位面(横端面)、冠状面、矢状面切分出2D图像。图像和标签均为png格式,为了方便观察mask,提供了可视化代码(show.py) 数据集介绍:分为x、y、z轴的切面图像 x轴:512*512分辨率,images图片目录+masks模板目录,1657张图片和1657个对应的mask图片 y轴:512*304分辨率,images图片目录+masks模板目录,2976张图片和2976个对应的mask图片 z轴:512*304分辨率,images图片目录+masks模板目录,2860张图片和2860个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下。可以直接运行即项目包含:肺部癌症(Lung)切片分割【包含3个切面划分好的数据集(2类别)、标签文件、可视化代码】 【其中mask中1为肺部癌症病灶 、0为背景】 数据集为生物医学影像肺部癌症3D数据(nii.gz)的切片数据,分别从轴位面(横端面)、冠状面、矢状面切分出2D图像。图像和标签均为png格式,为了方便观察mask,提供了可视化代码(show.py) 数据集介绍:分为x、y、z轴的切面图像 x轴:512*512分辨率,images图片目录+masks模板目录,1657张图片和1657个对应的mask图片 y轴:512*304分辨率,images图片目录+masks模板目录,2976张图片和2976个对应的mask图片 z轴:512*304分辨率,images图片目录+masks模板目录,2860张图片和2860个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下。可以直接运行即0 12浏览¥ 49.90
- 数据集大小:51MB项目包含:结肠癌(colon)切片分割【包含3个切面划分好的数据集(2类别)、标签文件、可视化代码】 【其中mask中1为colon cancer 、0为背景】 数据集为生物医学影像结肠癌3D数据的切片数据,分别从轴位面、冠状面、矢状面切分出2D图像。为了方便分割,切片的时候,去除了癌症区域不足1%区域的病理数据 数据集介绍:分为x、y、z轴的切面图像 x轴:512*512分辨率,images图片目录+masks模板目录,169张图片和169个对应的mask图片 y轴:512*38分辨率,images图片目录+masks模板目录,882张图片和882个对应的mask图片 z轴:512*38分辨率,images图片目录+masks模板目录,849张图片和849个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下。可以直接运行即项目包含:结肠癌(colon)切片分割【包含3个切面划分好的数据集(2类别)、标签文件、可视化代码】 【其中mask中1为colon cancer 、0为背景】 数据集为生物医学影像结肠癌3D数据的切片数据,分别从轴位面、冠状面、矢状面切分出2D图像。为了方便分割,切片的时候,去除了癌症区域不足1%区域的病理数据 数据集介绍:分为x、y、z轴的切面图像 x轴:512*512分辨率,images图片目录+masks模板目录,169张图片和169个对应的mask图片 y轴:512*38分辨率,images图片目录+masks模板目录,882张图片和882个对应的mask图片 z轴:512*38分辨率,images图片目录+masks模板目录,849张图片和849个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下。可以直接运行即0 18浏览¥ 49.90
- 目标检测大小:33MB项目包含:甲状腺癌症细胞检测(9类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为甲状腺癌症细胞检测,检测目标前景为癌症细胞。标注的边界框完整,每张图像均有多个目标。 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】9类别:炎症细胞、淋巴癌等等 【数据】数据分为分为训练集和验证集 训练集datasets-images-train:416张图片和416个标签txt文件组成 验证集datasets-images-val:117张图片和117个标签txt文件组成 【txt类别文本文件】9 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,可以直接运行可视化图像!!项目包含:甲状腺癌症细胞检测(9类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为甲状腺癌症细胞检测,检测目标前景为癌症细胞。标注的边界框完整,每张图像均有多个目标。 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】9类别:炎症细胞、淋巴癌等等 【数据】数据分为分为训练集和验证集 训练集datasets-images-train:416张图片和416个标签txt文件组成 验证集datasets-images-val:117张图片和117个标签txt文件组成 【txt类别文本文件】9 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,可以直接运行可视化图像!!0 21浏览¥ 39.90
- matlab大小:16MB基于MATLAB的钢板表面缺陷检测系统 采用SVM分类器对钢板表面缺陷进行分类,包含完整代码和数据集,可以直接运行基于MATLAB的钢板表面缺陷检测系统 采用SVM分类器对钢板表面缺陷进行分类,包含完整代码和数据集,可以直接运行0 15浏览¥ 49.90
- 数据集大小:4MB数据包含:左右叶的脑部 MRI 图像识别4分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:4分类】正常左叶、正常右叶、异常左叶、异常右叶 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数430,验证集图片总数106。可以用作yolov5的分类数据集. 【json文件】4 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!数据包含:左右叶的脑部 MRI 图像识别4分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:4分类】正常左叶、正常右叶、异常左叶、异常右叶 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数430,验证集图片总数106。可以用作yolov5的分类数据集. 【json文件】4 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!0 5浏览¥ 29.90
- 数据集大小:227MB项目包含:家庭场景下的家具识别(28类别)【包含划分好的数据集、类别class文件】 图像分辨率为640*640的大分辨率RGB图片,数据集为家具识别,训练集共有5757张图像、验证集有520张图像,均已标注项目包含:家庭场景下的家具识别(28类别)【包含划分好的数据集、类别class文件】 图像分辨率为640*640的大分辨率RGB图片,数据集为家具识别,训练集共有5757张图像、验证集有520张图像,均已标注5 14浏览¥ 39.90
- 目标检测大小:68MB项目包含:农作物害虫检测(4类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为农作物常见的害虫检测,检测目标前景为害虫。标注的边界框完整,每张图像均有多个目标。 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】4类别:蝗虫、苍蝇、水果蛾等等 【数据】数据分为分为训练集和验证集 训练集datasets-images-train:2859张图片和2859个标签txt文件组成 验证集datasets-images-val:266张图片和266个标签txt文件组成 【txt类别文本文件】4 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,可以直接运行可视化图像!!项目包含:农作物害虫检测(4类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为农作物常见的害虫检测,检测目标前景为害虫。标注的边界框完整,每张图像均有多个目标。 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】4类别:蝗虫、苍蝇、水果蛾等等 【数据】数据分为分为训练集和验证集 训练集datasets-images-train:2859张图片和2859个标签txt文件组成 验证集datasets-images-val:266张图片和266个标签txt文件组成 【txt类别文本文件】4 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,可以直接运行可视化图像!!0 32浏览¥ 29.90
- 目标检测大小:125MB项目包含:路上障碍物检测(4类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为马路上常见的障碍物检测,检测目标前景为障碍物。标注的边界框完整,每张图像均有多个目标。 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】4类别:障碍物、小动物、路障、减速带 【数据】数据分为分为训练集和验证集 训练集datasets-images-train:1337张图片和1337个标签txt文件组成 验证集datasets-images-val:572张图片和572个标签txt文件组成 【txt类别文本文件】4 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,可以直接运行可视化图像!!项目包含:路上障碍物检测(4类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为马路上常见的障碍物检测,检测目标前景为障碍物。标注的边界框完整,每张图像均有多个目标。 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】4类别:障碍物、小动物、路障、减速带 【数据】数据分为分为训练集和验证集 训练集datasets-images-train:1337张图片和1337个标签txt文件组成 验证集datasets-images-val:572张图片和572个标签txt文件组成 【txt类别文本文件】4 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,可以直接运行可视化图像!!0 25浏览¥ 29.90
- 迁移学习大小:216MB基于Swin-Unet自适应多尺度训练、多类别分割、迁移学习:人体脊椎分割(6分割)【包含数据、代码、训练好的结果等等】 项目介绍:总大小215MB 网络仅仅训练了10个epochs,全局像素点的准确度达到0.95,miou为0.21。训练epoch加大的话,性能还会更加优越! 代码介绍: 【训练】train 脚本会自动训练,代码会自动将数据随机缩放为设定尺寸的0.8-1.2倍之间,实现多尺度训练。为了实现多分割项目,utils中的compute_gray函数会将mask灰度值保存在txt文本,并且自动为网络定义输出的channel 【介绍】学习率采用cos衰减,训练集和测试集的损失和iou曲线可以在run_results文件内查看,图像由matplotlib库绘制。除此外,还保存了训练日志,最好权重等,在训练日志可以看到每个类别的iou、recall、precision以及全局像素点的准确率等等 【推理】把待推理图像放在inference目录下,直接运行predict脚本即可,无需设定参数 具体参考README文件,小白均可使用基于Swin-Unet自适应多尺度训练、多类别分割、迁移学习:人体脊椎分割(6分割)【包含数据、代码、训练好的结果等等】 项目介绍:总大小215MB 网络仅仅训练了10个epochs,全局像素点的准确度达到0.95,miou为0.21。训练epoch加大的话,性能还会更加优越! 代码介绍: 【训练】train 脚本会自动训练,代码会自动将数据随机缩放为设定尺寸的0.8-1.2倍之间,实现多尺度训练。为了实现多分割项目,utils中的compute_gray函数会将mask灰度值保存在txt文本,并且自动为网络定义输出的channel 【介绍】学习率采用cos衰减,训练集和测试集的损失和iou曲线可以在run_results文件内查看,图像由matplotlib库绘制。除此外,还保存了训练日志,最好权重等,在训练日志可以看到每个类别的iou、recall、precision以及全局像素点的准确率等等 【推理】把待推理图像放在inference目录下,直接运行predict脚本即可,无需设定参数 具体参考README文件,小白均可使用0 13浏览¥ 79.90
- 数据集大小:129MB基于Unet 对人体脊椎分割的分割【包含数据集、完整代码、训练的结果文件】 本项目数据集:人体脊椎分割 网络仅仅训练了10个epochs,全局像素点的准确度达到0.95,miou为0.16,训练epoch加大的话,性能还会更加优越 代码介绍: 【训练】train 脚本会自动训练,代码会自动将数据随机缩放为设定尺寸的0.5-1.5倍之间,实现多尺度训练。为了实现多分割项目,utils中的compute_gray函数会将mask灰度值保存在txt文本,并且自动为unet网络定义输出的channel 【介绍】学习率采用cos衰减,训练集和测试集的损失和iou曲线可以在run_results文件内查看,图像由matplotlib库绘制。除此外,还保存了训练日志,最好权重等,在训练日志可以看到每个类别的iou、recall、precision以及全局像素点的准确率等等 【推理】把待推理图像放在inference目录下,直接运行predict脚本即可,无需设定参数 具体参考README文件,小白均可使用,如果训练自己数据的话,直接摆好数据即可!基于Unet 对人体脊椎分割的分割【包含数据集、完整代码、训练的结果文件】 本项目数据集:人体脊椎分割 网络仅仅训练了10个epochs,全局像素点的准确度达到0.95,miou为0.16,训练epoch加大的话,性能还会更加优越 代码介绍: 【训练】train 脚本会自动训练,代码会自动将数据随机缩放为设定尺寸的0.5-1.5倍之间,实现多尺度训练。为了实现多分割项目,utils中的compute_gray函数会将mask灰度值保存在txt文本,并且自动为unet网络定义输出的channel 【介绍】学习率采用cos衰减,训练集和测试集的损失和iou曲线可以在run_results文件内查看,图像由matplotlib库绘制。除此外,还保存了训练日志,最好权重等,在训练日志可以看到每个类别的iou、recall、precision以及全局像素点的准确率等等 【推理】把待推理图像放在inference目录下,直接运行predict脚本即可,无需设定参数 具体参考README文件,小白均可使用,如果训练自己数据的话,直接摆好数据即可!0 10浏览¥ 69.90
- 数据集大小:21MB项目包含:人体脊椎分割(6分割)【数据集+类别标签+可视化代码】 数据集为640*640分辨率下的人体脊椎分割数据集。 分割前景为脊椎(L1、L2)等等分割。标签的mask图像为1 2 3的阈值,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,582张图片和582个对应的mask图片 测试集:images图片目录+masks模板目录,85图片和85个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下项目包含:人体脊椎分割(6分割)【数据集+类别标签+可视化代码】 数据集为640*640分辨率下的人体脊椎分割数据集。 分割前景为脊椎(L1、L2)等等分割。标签的mask图像为1 2 3的阈值,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,582张图片和582个对应的mask图片 测试集:images图片目录+masks模板目录,85图片和85个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下0 13浏览¥ 39.90
- 数据集大小:45MB项目包含:脊椎检测(1类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为人体扫描图的脊椎脊柱检测,检测目标前景为脊椎。标注的边界框完整,每张图像均有多个目标。 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】1类别:脊椎 【数据】数据分为分为训练集和验证集 训练集datasets-images-train:919张图片和919个标签txt文件组成 验证集datasets-images-val:218张图片和218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,可以直接运行可视化图像!!项目包含:脊椎检测(1类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为人体扫描图的脊椎脊柱检测,检测目标前景为脊椎。标注的边界框完整,每张图像均有多个目标。 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】1类别:脊椎 【数据】数据分为分为训练集和验证集 训练集datasets-images-train:919张图片和919个标签txt文件组成 验证集datasets-images-val:218张图片和218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,可以直接运行可视化图像!!0 7浏览¥ 39.90
- 数据集大小:87MB项目包含:玉米叶片病害分割【数据集+类别标签+可视化代码】 数据集为256*256分辨率下的玉米叶片病害分割。 分割前景为叶片等等。标签的mask图像为rgb的彩色图像,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据集介绍:总共4个文件(健康、锈菌、斑点、枯萎病)和3852张图像和对应的mask标签 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下项目包含:玉米叶片病害分割【数据集+类别标签+可视化代码】 数据集为256*256分辨率下的玉米叶片病害分割。 分割前景为叶片等等。标签的mask图像为rgb的彩色图像,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据集介绍:总共4个文件(健康、锈菌、斑点、枯萎病)和3852张图像和对应的mask标签 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下0 15浏览¥ 39.90
- 数据集大小:48MB数据包含:玉米叶片病害识别4分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:4分类】健康、锈菌、斑点、枯萎病 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数3083,验证集图片总数769。可以用作yolov5的分类数据集. 【json文件】4 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!数据包含:玉米叶片病害识别4分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:4分类】健康、锈菌、斑点、枯萎病 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数3083,验证集图片总数769。可以用作yolov5的分类数据集. 【json文件】4 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!0 12浏览¥ 29.90
- 数据集大小:210MB项目包含:石头剪刀布手势检测(3类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为手势检测,检测目标为石头剪刀布。标注的边界框完整,每张图像均有多个目标。 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】3类别:石头、剪刀、布 【数据】数据分为分为训练集和验证集 训练集datasets-images-train:6759张图片和6759个标签txt文件组成 验证集datasets-images-val:576张图片和576个标签txt文件组成 【txt类别文本文件】3 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,可以直接运行可视化图像!!项目包含:石头剪刀布手势检测(3类别)【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为手势检测,检测目标为石头剪刀布。标注的边界框完整,每张图像均有多个目标。 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】3类别:石头、剪刀、布 【数据】数据分为分为训练集和验证集 训练集datasets-images-train:6759张图片和6759个标签txt文件组成 验证集datasets-images-val:576张图片和576个标签txt文件组成 【txt类别文本文件】3 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,可以直接运行可视化图像!!0 6浏览¥ 29.90
- 数据集大小:9MB项目包含:火灾烟雾分割(3分割)【数据集+类别标签+可视化代码】 数据集为512*512分辨率下的烟雾分割数据集。分割前景为烟雾等等全场景分割。标签的mask图像为1的阈值,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,315张图片和315个对应的mask图片 测试集:images图片目录+masks模板目录,35图片和35个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下项目包含:火灾烟雾分割(3分割)【数据集+类别标签+可视化代码】 数据集为512*512分辨率下的烟雾分割数据集。分割前景为烟雾等等全场景分割。标签的mask图像为1的阈值,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,315张图片和315个对应的mask图片 测试集:images图片目录+masks模板目录,35图片和35个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下0 8浏览¥ 29.90
- 数据集大小:8MB项目包含:自动驾驶道路场景的语义分割(12分割)【数据集+类别标签+可视化代码】 数据集为640*640分辨率下的自动驾驶数据集。分割前景为车、道路、树木、建筑物等等全场景分割。标签的mask图像为1 2 3的阈值,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,146张图片和146个对应的mask图片 测试集:images图片目录+masks模板目录,15图片和15个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下项目包含:自动驾驶道路场景的语义分割(12分割)【数据集+类别标签+可视化代码】 数据集为640*640分辨率下的自动驾驶数据集。分割前景为车、道路、树木、建筑物等等全场景分割。标签的mask图像为1 2 3的阈值,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,146张图片和146个对应的mask图片 测试集:images图片目录+masks模板目录,15图片和15个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下0 18浏览¥ 39.90
- 数据集大小:36MB项目包含:樱桃叶片病害分割数据集 数据集为256*256分辨率下的樱桃叶片病害分割。总共有2个文件夹,分别为健康叶片、霉菌病害叶片,2种数据集(这里分开保存在不同目录中),以及对应的mask模版。分割的mask采用rgb的彩色标注文件,背景为黑色 数据集介绍:总共2个文件和1906张图像和对应的mask标签项目包含:樱桃叶片病害分割数据集 数据集为256*256分辨率下的樱桃叶片病害分割。总共有2个文件夹,分别为健康叶片、霉菌病害叶片,2种数据集(这里分开保存在不同目录中),以及对应的mask模版。分割的mask采用rgb的彩色标注文件,背景为黑色 数据集介绍:总共2个文件和1906张图像和对应的mask标签0 8浏览¥ 29.90
- 数据集大小:23MB数据包含:樱桃叶片病害识别2分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:2分类】健康、霉菌粉末 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数1335,验证集图片总数571。可以用作yolov5的分类数据集. 【json文件】2 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!数据包含:樱桃叶片病害识别2分类【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:2分类】健康、霉菌粉末 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数1335,验证集图片总数571。可以用作yolov5的分类数据集. 【json文件】2 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!0 6浏览¥ 19.90
- 数据集大小:46MB项目包含:足球场上运动员是否有球检测【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为足球场上运动员是否带球检测。标注的边界框完整,每张图像均有多个目标。 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】3类别:有球、无球等等 【数据】数据分为分为训练集和验证集 训练集datasets-images-train:960张图片和960个标签txt文件组成 验证集datasets-images-val:240张图片和240个标签txt文件组成 【txt类别文本文件】3 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,可以直接运行可视化图像!!项目包含:足球场上运动员是否有球检测【包含划分好的数据集、类别class文件、数据可视化脚本】,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640*640的大分辨率RGB图片,数据集为足球场上运动员是否带球检测。标注的边界框完整,每张图像均有多个目标。 标注格式为:classes,x_centre、y_centre、w、h (yolo的相对坐标标注) 【数据集类别】3类别:有球、无球等等 【数据】数据分为分为训练集和验证集 训练集datasets-images-train:960张图片和960个标签txt文件组成 验证集datasets-images-val:240张图片和240个标签txt文件组成 【txt类别文本文件】3 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,可以直接运行可视化图像!!0 24浏览¥ 29.90
- python大小:582MB120种狗识别【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:120分类】中华田园犬、泰迪犬等等 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数12307,验证集图片总数4072。可以用作yolov5的分类数据集. 【json文件】120 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!120种狗识别【包括划分好的数据、类别字典文件、python数据可视化脚本】 【分类个数:120分类】中华田园犬、泰迪犬等等 【数据集详情】data目录下分为2个目录,训练集和验证集,存放各自的同一类数据图片。训练集图片总数12307,验证集图片总数4072。可以用作yolov5的分类数据集. 【json文件】120 种分类的字典文件 为了方便查看数据,提供了可视化py文件,随机传入4张图片即可展示,并且保存在当前目录。 脚本无需更改,可以直接运行!0 3浏览¥ 19.90
- 范文/模板/素材大小:9MB20张在不同场景中拍摄的红绿灯图片20张在不同场景中拍摄的红绿灯图片0 4浏览免费
- transformer大小:717MB基于 Swin-Transformer 网络对 眼底血管2分类识别项目【数据集+代码+训练好的所有结果】】,经过测试,可以直接运行 【训练train.py】 1、训练过程中,会对数据集进行随机裁剪、翻转等数据增广等等。 2、网络初始化会自动载入官方在imagenet上的预训练权重进行迁移学习,并且计算数据的mean和std 3、训练脚本会自动生成数据集类别的 json 文件,并且通过json文件自动设定网络的输出维度,不需要自己定义输出的channel。train.py 训练完成会生成训练集的loss曲线、学习率衰减曲线、测试集的精度曲线、混淆矩阵以及训练日志等等,保存在run_results文件内。 【val.py】验证模型准确代码,输出混淆矩阵,计算召回率、精确度、acc,F1分数,roc曲线、auc值,以及p value等等 【本项目仅仅训练了30个epoch,训练集准确率为92%,加大epoch可以提升网络精度】基于 Swin-Transformer 网络对 眼底血管2分类识别项目【数据集+代码+训练好的所有结果】】,经过测试,可以直接运行 【训练train.py】 1、训练过程中,会对数据集进行随机裁剪、翻转等数据增广等等。 2、网络初始化会自动载入官方在imagenet上的预训练权重进行迁移学习,并且计算数据的mean和std 3、训练脚本会自动生成数据集类别的 json 文件,并且通过json文件自动设定网络的输出维度,不需要自己定义输出的channel。train.py 训练完成会生成训练集的loss曲线、学习率衰减曲线、测试集的精度曲线、混淆矩阵以及训练日志等等,保存在run_results文件内。 【val.py】验证模型准确代码,输出混淆矩阵,计算召回率、精确度、acc,F1分数,roc曲线、auc值,以及p value等等 【本项目仅仅训练了30个epoch,训练集准确率为92%,加大epoch可以提升网络精度】0 30浏览¥ 99.90
- 数据集大小:30MB300+河流水池数据,分割标注水域和陆地,适用于水岸分割训练300+河流水池数据,分割标注水域和陆地,适用于水岸分割训练5 10浏览免费
- opencv大小:32MB1、opencv4.9.0 2、debug和release 3、基础库,可以直接使用 4、不含sources1、opencv4.9.0 2、debug和release 3、基础库,可以直接使用 4、不含sources0 13浏览免费
- 数据集大小:159MB项目包含:水下目标图像语义分割(8分割)【数据集+类别标签+可视化代码】 数据集为640*480分辨率下的水下图像分割。分割前景为人类、海草、珊瑚、岩石、鱼等等。标签的mask图像为调色后的彩色图像,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据做了预处理,对不同的数据进行随机的旋转等等 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,1525张图片和1525个对应的mask图片 测试集:images图片目录+masks模板目录,110图片和110个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下项目包含:水下目标图像语义分割(8分割)【数据集+类别标签+可视化代码】 数据集为640*480分辨率下的水下图像分割。分割前景为人类、海草、珊瑚、岩石、鱼等等。标签的mask图像为调色后的彩色图像,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据做了预处理,对不同的数据进行随机的旋转等等 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,1525张图片和1525个对应的mask图片 测试集:images图片目录+masks模板目录,110图片和110个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下0 22浏览¥ 29.90
- 数据集大小:539MB基于 FCN 网络对道路的2分割实战 代码均为手写,全网无重复,训练自己数据很简单,只需要摆放好数据即可 数据集:道路分割 网络仅仅测试5个epoch,全局像素点的准确度达到0.97,miou为0.90,训练epoch加大的话,性能还会更加优越! 代码介绍: 【训练train.py】代码会计算标签灰度值从而自动获取FCN网络的输出。根据不同的任务更改超参数backbone可以选择resnet50或者resnet101作为FCN的特征提取网络。为了更好的可视化,代码会自动将预处理完的结果保存在指定目录中。 【介绍】学习率采用余弦退火算法,损失函数为交叉熵,优化器采用了收敛更快的Adam算法。训练集和测试集的损失曲线和iou曲线可以在run_results文件内查看。除此外,还保存了训练日志,最好权重等,在训练日志可以看到每个类别的iou、recall、precision以及全局像素点的准确率等等 【推理predict.py】把待推理图像放在inference目录下,直接运行predict脚本即可,无需设定参数 具体参考README文件,小白均可使用基于 FCN 网络对道路的2分割实战 代码均为手写,全网无重复,训练自己数据很简单,只需要摆放好数据即可 数据集:道路分割 网络仅仅测试5个epoch,全局像素点的准确度达到0.97,miou为0.90,训练epoch加大的话,性能还会更加优越! 代码介绍: 【训练train.py】代码会计算标签灰度值从而自动获取FCN网络的输出。根据不同的任务更改超参数backbone可以选择resnet50或者resnet101作为FCN的特征提取网络。为了更好的可视化,代码会自动将预处理完的结果保存在指定目录中。 【介绍】学习率采用余弦退火算法,损失函数为交叉熵,优化器采用了收敛更快的Adam算法。训练集和测试集的损失曲线和iou曲线可以在run_results文件内查看。除此外,还保存了训练日志,最好权重等,在训练日志可以看到每个类别的iou、recall、precision以及全局像素点的准确率等等 【推理predict.py】把待推理图像放在inference目录下,直接运行predict脚本即可,无需设定参数 具体参考README文件,小白均可使用5 20浏览¥ 89.90
- 数据集大小:113MB项目包含:俯拍下的道路分割(2分割)【数据集+类别标签+可视化代码】 数据集为640*640分辨率下的城市、郊区道路分割。分割前景为road。标签的mask图像为1的二值图像,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据做了预处理,对不同的数据进行随机的旋转等等 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,1212张图片和1212个对应的mask图片 测试集:images图片目录+masks模板目录,172图片和172个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下项目包含:俯拍下的道路分割(2分割)【数据集+类别标签+可视化代码】 数据集为640*640分辨率下的城市、郊区道路分割。分割前景为road。标签的mask图像为1的二值图像,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589 数据做了预处理,对不同的数据进行随机的旋转等等 数据集介绍:分为训练集、测试集 训练集:images图片目录+masks模板目录,1212张图片和1212个对应的mask图片 测试集:images图片目录+masks模板目录,172图片和172个对应的mask图片 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下0 9浏览¥ 34.90
- 数据集大小:158MB项目包含:航拍下的森林主体分割【数据集+类别标签+可视化代码】 数据集为256*256分辨率下的森林分割。分割前景为森林主体等等。标签的mask图像为255的二值图像,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下 可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589项目包含:航拍下的森林主体分割【数据集+类别标签+可视化代码】 数据集为256*256分辨率下的森林分割。分割前景为森林主体等等。标签的mask图像为255的二值图像,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下 可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/1357645890 7浏览¥ 19.90
- 数据集大小:431MB基于 UnetPlusPlus 网络对水体分割实战 代码均为手写,全网无重复,训练自己数据很简单,只需要摆放好数据即可 数据集:水体 网络仅仅测试5个epoch,全局像素点的准确度达到0.84,miou为0.82,训练epoch加大的话,性能还会更加优越! 代码介绍: 训练过程提供了多种优化器选择(Adam、SGD、RMSProp),损失函数采用BCE 逻辑损失,学习率的衰减提供了常规恒定lr、余弦退火算法、以及step学习率衰减。可以自行选择 【训练过程会生成最好和最后一个权重,以及数据预处理完的可视化效果图、dice、loss曲线、训练日志等等】 评价指标采用dice,训练完成后,会载入最好权重,计算验证集的recall、precision等等 具体参考README文件,小白均可使用基于 UnetPlusPlus 网络对水体分割实战 代码均为手写,全网无重复,训练自己数据很简单,只需要摆放好数据即可 数据集:水体 网络仅仅测试5个epoch,全局像素点的准确度达到0.84,miou为0.82,训练epoch加大的话,性能还会更加优越! 代码介绍: 训练过程提供了多种优化器选择(Adam、SGD、RMSProp),损失函数采用BCE 逻辑损失,学习率的衰减提供了常规恒定lr、余弦退火算法、以及step学习率衰减。可以自行选择 【训练过程会生成最好和最后一个权重,以及数据预处理完的可视化效果图、dice、loss曲线、训练日志等等】 评价指标采用dice,训练完成后,会载入最好权重,计算验证集的recall、precision等等 具体参考README文件,小白均可使用0 6浏览¥ 79.90
- 数据集大小:106MB项目包含:俯拍下的湖泊水体分割【数据集+类别标签+可视化代码】 数据集为1000-4000分辨率下的湖泊水体分割。分割前景为水等等。标签的mask图像为255的二值图像,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下 可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/135764589项目包含:俯拍下的湖泊水体分割【数据集+类别标签+可视化代码】 数据集为1000-4000分辨率下的湖泊水体分割。分割前景为水等等。标签的mask图像为255的二值图像,0为背景,为了方便观察,提供可视化代码。数据集的背景简单,前景区域丰富且标注良好,适用于图像分割。 除此之外,包含一个图像分割的可视化脚本,随机提取一张图片,将其原始图片、GT图像、GT在原图蒙板的图像展示,并保存在当前目录下 可视化代码效果参考:https://blog.csdn.net/qq_44886601/article/details/1357645890 11浏览¥ 29.90