烟雾火焰火灾检测28-YOLO（v5至v9）、CreateML、Darknet、Paligemma、TFRecord数据集合集.rar火烟-V1 2023-12-04下午5:03 ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括8939张图像。 消防式用createMl格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

烟雾火焰火灾检测21-YOLO（v7至v9）、COCO、CreateML、Darknet、Paligemma数据集合集.rarforestfire_detection_sunproof-v3 2024-04-24 8:06 pm ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 数据集包括11779张图像。 用烟雾以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 应用以下扩展来创建每个源图像的3个版本：

烟雾火焰检测29-YOLO（v5至v9）、COCO数据集合集.rar烟雾 - 其他-V1 2023-05-02 7:01 pm ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括8939张图像。 以可可格式对fireDetectionDataSet进行注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

烟雾火焰检测19-YOLO（v5至v9）、COCO、Darknet、Paligemma数据集合集.rarDFS-FIRE-V4 2023-06-24 2:03 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括21433张图像。 火灾以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） 应用以下扩展来创建每个源图像的3个版本： *水平翻转的50％概率 *以下90度旋转之一的同等概率：无，顺时针，逆时针方向 *随机裁剪图像的0％至20％ * -15和+15度之间的随机旋转 *在-15°至 +15°之间的随机剪切和-15°至 +15°之间的随机剪切垂直剪切 * -25％至+25％之间的随机BRIGTHNESS调整 *随机暴露调整-25％至+25％ *随机的

烟雾火焰检测18-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rarDeteksiasapdanapi-V4 2023-12-28 11:44 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括8939张图像。 火灾以yolov8格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为416x416（拉伸） *通过对比度拉伸自动对比 没有应用图像增强技术。

烟雾火焰检测17-YOLO（v5至v7）数据集合集.rarDeteksiapi-V2 2024-02-16 9:23 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 数据集包括19211图像。 API-ASAP以Yolo V5 Pytorch格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 应用以下扩展用于创建每个源图像的2个版本： *水平翻转的50％概率 * -15％至+15％之间的随机暴露调整

烟火焰检测37-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rarVoctoyolov5-V1 2023-07-23 7:51 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括8939张图像。 消防和烟熏以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

烟与火灾检测22-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rar烟与火灾检测-V22 2024-04-08 4:18 pm ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括4106张图像。 烟雾以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

炸药炮弹检测16-YOLOv5数据集合集.rar数据炸药-V2 2024-04-05 1:59 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括823张图像。 Techathon以Yolo V5 Pytorch格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 应用以下扩展来创建每个源图像的3个版本： *水平翻转的50％概率 *垂直翻转的50％概率 * 0到1像素之间的随机高斯模糊

炸玉米饼-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rar炸玉米饼-V1 2024-04-11 7:07 pm ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包含3597张图像。 电池以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 应用以下扩展来创建每个源图像的3个版本： *水平翻转的50％概率 *垂直翻转的50％概率 *以下90度旋转之一的同等概率：无，顺时针，逆时针方向 * -15和+15度之间的随机旋转

灯管检测14-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rar灯管检测14YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集

火焰烟雾火灾检测9-CreateML数据集.rar射击-V15 og_dataset ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括2067张图像。 消防员以创建格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） 没有应用图像增强技术。

火焰火灾消防检测12-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma数据集合集.rar消防-V9 2022-11-14 4:51 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括6856张图像。 fire-smpke以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为416x416（拉伸） 应用以下扩展来创建每个源图像的3个版本： *以下90度旋转之一的同等概率：无，顺时针，逆时针方向 * -25％至+25％之间的随机BRIGTHNESS调整 *随机的高斯模糊在0到2.5像素之间

火焰火灾检测8-YOLO（v5至v9）、COCO、Darknet、Paligemma数据集合集.rar射击-V5 2023-04-08 2:54 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括11402张图像。 火灾以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 应用以下扩展用于创建每个源图像的2个版本：

火焰火灾检测30-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rarnew_attempt-v5 2024-06-03 3:54 pm ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括2233张图像。 火焰-Smoke-7TSK以可可格式注释。 将以下预处理应用于每个图像： 没有应用图像增强技术。

火焰火灾检测2-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rar240105_fire-V1 2024-01-15 11:57 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括1325张图像。 1-VOVQ以可可格式注释。 将以下预处理应用于每个图像： 没有应用图像增强技术。

火焰火灾检测13-YOLO9、CreateML、Paligemma、TFRecord数据集合集.rarfire-tec-v2 2024-03-31 12:12 pm ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括9583张图像。 消防式用createMl格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

火焰火灾检测10-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rarFiresmoke_v2-V2 2024-05-08 9:28 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括5437张图像。 用烟雾以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整到224x224（拉伸） 没有应用图像增强技术。

火焰检测59-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rarvocfinaldataset-V1 2024-01-20 12:04 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括8939张图像。 Firesmoke以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

火烟雾检测38-YOLO（v5至v9）、COCO、Darknet、Paligemma、TFRecord数据集合集.rar射击-V15 og_dataset ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括2067张图像。 消防员以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） 没有应用图像增强技术。

火灾烟雾检测46-YOLO（v5至v9）数据集合集.rar烟雾胶 - V3 2级 ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括8939张图像。 以Yolo V5 Pytorch格式注释消防烟。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

火灾烟雾检测39-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rarfiresmoke_v3-V4 2024-06-18 2:03 pm ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括4470张图像。 消防-Smoke-Exr5以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整到224x224（拉伸） 没有应用图像增强技术。

火灾烟雾检测37-YOLO（v5至v9）、COCO、CreateML、Darknet、TFRecord数据集合集.rar射击-V6 2024-04-12 2:14 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括5544张图像。 用烟雾以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 应用以下扩展来创建每个源图像的3个版本： *水平翻转的50％概率 *垂直翻转的50％概率 *以下90度旋转之一的同等概率：无，顺时针，逆时针方向 *随机裁剪图像的0％至30％ * -33％和+33％之间的随机BRIGTHNESS调整

火灾烟雾检测36-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rar火（选择）-V1 2022-07-28 6:36 pm ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 它包括1848张图像。 火灾以可可格式注释。 将以下预处理应用于每个图像： 没有应用图像增强技术。

火灾烟雾检测34-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma数据集合集.rar火-V3 2023-04-23 9:23 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括16012张图像。 火灾以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 应用以下扩展用于创建每个源图像的2个版本： *随机的BRIGTHNESS调整-59％至 +59％

火灾烟雾检测33-YOLOv9、CreateML、Paligemma数据集合集.rarFire_smoke-V4 2022-10-27 12:34 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括21465张图像。 火灾以创建格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 应用以下扩展来创建每个源图像的3个版本： *将盐和胡椒噪声应用于5％的像素 将以下转换应用于每个图像的边界框： *在-15°至 +15°之间的随机剪切和-15°至 +15°之间的随机剪切垂直剪切

火灾烟雾检测32-YOLO（v5至v9）、COCO、Darknet、Paligemma、TFRecord数据集合集.rarFire_smoke-V2 2024-03-13 11:09 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括9187张图像。 用烟雾以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） 没有应用图像增强技术。

火灾烟检测31-YOLO（v5至v9）、CreateML数据集合集.rarfire_smoke_detectionv2-V2 2024-07-14 9:01 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 数据集包括12396张图像。 fire-smoke-fevf以创建格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） 应用以下扩展来创建每个源图像的3个版本： *以下90度旋转之一的同等概率：无，顺时针，逆时针方向 * -15和+15度之间的随机旋转

火灾检测26-YOLO（v5至v9）、COCO、CreateML、Darknet数据集合集.rar火灾检测-V5 2023-04-25 6:23 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 数据集包括19385张图像。 以可可格式注释火或烟。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 应用以下扩展来创建每个源图像的3个版本： *水平翻转的50％概率 *垂直翻转的50％概率 *以下90度旋转之一的同等概率：无，顺时针，逆时针，颠倒 *随机裁剪图像的0％至15％ * -25％至+25％之间的随机BRIGTHNESS调整 *随机暴露调整-25％至+25％ * 0到10像素之间的随机高斯模糊 *将盐和胡椒噪声应用于1％的像素 将以下转

火灾检测12-YOLO（v8至v9）数据集合集.rar火灾检测12YOLO（v8至v9）数据集合集

火灾检测-YOLO（v7至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rar火灾检测11YOLO（v7至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集

火与烟雾探测器24-YOLO（v5至v9）、COCO、CreateML、Paligemma、TFRecord数据集合集.rar火与烟雾探测器-V14 2024-01-06 4:07 pm ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括5596张图像。 火灾以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

火与烟检测25-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma数据集合集.rar火与烟-V3 2024-02-05 8:47 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括23483张图像。 火灾以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） *通过直方图均衡自动对比 应用以下扩展来创建每个源图像的3个版本： *水平翻转的50％概率 * -15和+15度之间的随机旋转

火与烟检测23-YOLO（v7至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rar火与烟检测-V3 2024-07-29 5:04 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括534张图像。 用烟雾以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

灌木、盆栽植物、积水腰检测45-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rar蚊子育种2-V1 2023-11-15 3:32 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括1286张图像。 可可格式注释蚊子繁殖 - 繁殖 - 繁殖 - 繁殖者。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为416x416（拉伸） 没有应用图像增强技术。

灌木、盆栽植物、积水腰检测44-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rar蚊子繁殖栖息地-V1 2023-11-14 9:47 pm ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括1064张图像。 以可可格式注释蚊子繁殖 - 占地。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为416x416（拉伸） 没有应用图像增强技术。

灌木、盆栽植物、积水腰检测43-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rar蚊子繁殖栖息地卷。3- V2 2023-11-28 3:09 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括1194张图像。 可可格式注释蚊子繁殖 - 繁殖 - 繁殖 - 繁殖者。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为416x416（拟合（白色边缘）） 没有应用图像增强技术。

深海碎片检测19-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rar碎片 - v2深海图像 ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 它包括6188张图像。 碎片以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） 没有应用图像增强技术。

海龟检测43-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rar第十批 - V3凝结的WordList ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 它包括9338张图像。 以可可格式注释海螺旋武器。 将以下预处理应用于每个图像： 没有应用图像增强技术。

海豚检测13-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rar海豚检测13YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集

海洋鱼类检测1-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rar1-V1 2024-07-02 10:12 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括973张图像。 - 以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 应用以下扩展来创建每个源图像的3个版本： *以下90度旋转之一的同等概率：无，顺时针，逆时针方向 *水平的-10°至 +10°之间的随机剪切和-10°至 +10°垂直剪切

海洋鱼类垃圾检测18-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rar鱼六-V6 2024-02-27上午9:35 ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括3016张图像。 鱼，污染物以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

海洋生物检测62-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rarShrimp3-V1 2023-12-19 1:59 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括1029张图像。 虾以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

海洋生物检测42-YOLO（v5至v9）数据集合集.rarSEACARE -V2 V2 ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括2962张图像。 海洋陷阱以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

海洋生物检测39-YOLO（v5至v9）数据集合集.rarplaste_detection-V3 2024-05-04 6:49 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括6882张图像。 塑料以Yolo V5 Pytorch格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

海洋生物检测31-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rar对象检测数据-V1 2024-05-23 4:57 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括104张图像。 任何东西都以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

海洋生物检测27-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rarMarinelife-V2 2023-11-18 1:25 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括9972张图像。 鱼果果皮 - 冰淇淋 - 星 - 以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

海洋生物检测26-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rar海洋生物-V1 2023-06-11 8:50 pm ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包含4933张图像。 珊瑚以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） *通过自适应均衡自动对比 应用以下扩展来创建每个源图像的3个版本： * -15和+15度之间的随机旋转 *随机的高斯模糊在0到2.5像素之间 将以下转换应用于每个图像的边界框： *将盐和胡椒噪声应用于5％的像素

海洋污染物海洋垃圾检测46-YOLO（v5至v9）数据集合集.rar海洋污染数据-V13 2024-01-06下午5:34 ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括1416张图像。 海洋植物以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 应用以下扩展用于创建每个源图像的2个版本： *水平翻转的50％概率 *以下90度旋转之一的同等概率：无，顺时针，逆时针方向

海洋检测19-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rarplaste_detection-V1 2024-04-29 3:01 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括8203张图像。 塑料以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

海洋检测15-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rar海洋检测-V1 2024-06-03 10:31 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包含340张图像。 海洋以yolov9格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 应用以下扩展来创建每个源图像的3个版本：

海洋垃圾检测55-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rarZZZ-YOLOV5-V1 2022-01-25 11:12 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 它包括9511图像。 启示式表面的对象以可可格式注释。 将以下预处理应用于每个图像： *调整大小为416x416（拉伸） 应用以下扩展来创建每个源图像的3个版本： *随机裁剪图像的0％至20％ *在-18°至 +18°之间的随机剪切水平和-19°至 +19°之间的随机剪切。 * -35％和+35％之间的随机brigthness调整 将以下转换应用于每个图像的边界框： * -20至+20度之间的随机旋转

海洋垃圾检测53-COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rar垃圾 - 跨海-V10 2024-06-05 2:41 pm ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括9920张图像。 垃圾以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

海洋垃圾检测52-YOLO（v5至v9）数据集合集.rar垃圾海 - V10 2023-11-11 3:38 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括15211图像。 垃圾以Yolo V5 Pytorch格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 应用以下扩展用于创建每个源图像的2个版本： *水平翻转的50％概率 * -15和+15度之间的随机旋转

海洋垃圾检测41-YOLO（v7至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rar项目-V9 2024-06-17 2:17 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包含4951张图像。 瓶以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） *通过直方图均衡自动对比 应用以下扩展来创建每个源图像的3个版本： *水平翻转的50％概率 *垂直翻转的50％概率 *以下90度旋转之一的同等概率：无，顺时针，逆时针，颠倒 *随机的BRIGTHNESS调整-20％至 +20％ *随机的高斯模糊在0到1.4像素之间

海洋垃圾检测40-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rarplaticonly-V1 2024-04-26 6:45 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包含3741张图像。 塑料以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

海洋垃圾检测35-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rarTRIN-V1 2024-05-06 11:55 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括1736张图像。 单词quyc以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

海洋垃圾检测30-YOLO（v5至v9）、COCO、CreateML、Darknet数据集合集.rar海洋垃圾检测30 ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 它包括1736张图像。 以可可格式注释海洋陷阱。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为416x416（拉伸） 没有应用图像增强技术。

海洋垃圾检测29-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rarN-V2 2024-05-06 9:47 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 对于最先进的计算机视觉培训笔记本，您可以与此数据集一起使用 该数据集包括5064张图像。 单词fgfy以可可格式注释。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为640x640（拉伸） 没有应用图像增强技术。

海洋垃圾检测28-YOLO（v5至v9）、COCO、CreateML、Darknet、Paligemma、TFRecord数据集合集.rartrain_no_aug_no_dups -v2 diff aug ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解非结构化图像数据 *注释，创建数据集 *导出，训练和部署计算机视觉模型 *使用主动学习随着时间的推移改善数据集 它包括4937张图像。 以可可格式注释海洋陷阱。 将以下预处理应用于每个图像： *像素数据的自动取向（带有Exif-Arientation剥离） *调整大小为416x416（拉伸） 应用以下扩展来创建每个源图像的3个版本： *以下90度旋转之一的同等概率：无，顺时针，逆时针方向 将以下转换应用于每个图像的边界框： *随机的BRIGTHNESS调整-10％至+10％ *随机的高斯模糊为0至1.75像素