自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(5)
  • 收藏
  • 关注

原创 [Flask][原创]pycharm2020版设置HTML在Flask项目时候自动补全

默认你输入for补全是<for></for>这个需要设置然后在输入for即可自动补全了,在pycharm2020.1下测试通过

2020-06-28 20:41:30 568

原创 [Caffe SSD][转载]math_functions.cpp 250 Check failed a XXX= b 0 vs -1.19209e-007解决方法

最近因为这个错误折腾老长时间,重装caffe ssd好几次,没有什么作用,最后发现一个大佬解决这个问题问题一:math_functions.cpp:250] Check failed: a <= b <0 vs -1.19209e-007>解决:找到math_functions.cpp,找到在路径为~/caffe/src/caffe/util的math_functions.cpp,找到第250行出错的地方,双斜杠屏蔽,如下所示:最后重新在caffe路径下make -j8问题二:

2020-06-16 13:59:53 576

原创 一个可以快速复制opencv的lib库和PCL点云库lib库到附加依赖项的方法

我们知道如果opencv不是world.lib的话,那么配置的话需要一个一个在附加依赖项输入lib,这对于opencv可能还好点,因为最多就20多个lib,但是对于PCL的话,基本就不要想一个一个复制到依赖库,因为有40-60库,怎么快速复制呢,网上搞了一堆脚本,麻烦不说而且操作不方便,今天我为大家一款软件神器只需要打开软件把lib往里面拖就可以了,也可以拖拽文件夹,可以说一键搞定。首先我们打开软件对应opencv可以把lib文件夹往里面拖一下就完事了,这里介绍PCL的,我们知道PCL的库Debug

2020-06-04 06:28:24 384

原创 [技术杂谈][原创]caffe ssd报类似错Check failed height == datum_height解决方法

网上基本没有这个报错的解决方法,最终被我找出来了,原因生成lmdb问题,在生成lmdb时候,要把编码打开--encode_type=jpg --encoded=True,一开始我设置为空,encoded=False就会报类似于Check failed: height <= datum_height或者Check failed: height == datum_height或者Check failed: height >=datum_height的错误,如果不想编码也可以,进过实验证明,.

2020-06-02 17:01:29 421

原创 windows 10+ubuntu16.04全程配置CPU版本的caffe ssd并训练自己的数据研究报告

本人花了好几天,顺利完成windows版本caffe-ssd和ubuntu版本的caffe-ssd环境配置、脚本修改、最终独创一套高速自定义训练的项目包,可以在配置caffe ssd环境后可以迅速训练自己的数据,而不需要眼花缭乱的搞各种脚本,进行各种转换,这么麻烦了。虽然谈不上是专家,但是已经比较熟了,里面很多脚本都是本人亲自操刀书写。先来一张windows下面训练自己定义的数据窗口显示再来一张ubuntu下面CPU版本训练的caffe ssd截图两个平台的都差不多但是脚本有点区别,wind

2020-06-02 16:43:57 332

基于C++opencv实现玉米粒计数源码.zip

测试环境: vs2019 opencv==4.8.0 运行步骤:打开sln解决方案,重新配置opencv release所需路径,选x64 release运行

2024-09-20

基于C# winform+openvsharp实现玉米粒计数演示源码.zip

【测试环境】 vs2019 netframework4.7.2 opencvsharp=4.8.0 运行步骤:打开sln解决方案,选择x64 debug即可运行 更多实现细节参考博文:https://blog.csdn.net/FL1623863129/article/details/142380558

2024-09-20

手机识别检测数据集VOC+YOLO格式9997张1类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):9997 标注数量(xml文件个数):9997 标注数量(txt文件个数):9997 标注类别数:1 标注类别名称:["phone"] 每个类别标注的框数: phone 框数 = 11700 总框数:11700 使用标注工具:labelImg 标注规则:对类别进行画矩形框 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,数据集只提供准确且合理标注 样本图片及详细信息参考博文:https://blog.csdn.net/FL1623863129/article/details/142374302

2024-09-20

中草药类型识别检测数据集VOC+YOLO格式7976张45类别.7z

样本图片请参考博文:https://blog.csdn.net/FL1623863129/article/details/142373824 数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):7976 标注数量(xml文件个数):7976 标注数量(txt文件个数):7976 标注类别数:45

2024-09-20

蘑菇类型识别检测数据集VOC+YOLO格式8430张21类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):8430 标注数量(xml文件个数):8430 标注数量(txt文件个数):8430 标注类别数:21 样本图片和详细信息参考博文:https://blog.csdn.net/FL1623863129/article/details/142370471

2024-09-19

俯视场景航拍小目标三轮车遮阳伞三轮车检测数据集VOC+YOLO格式5756张3类别.7z

重要说明:此数据集为航拍小目标三轮车,数据集部分有增强,请查看图片预览确认符合要求再下载,注意小目标一般很难训练,即训练map和精度可能偏低属于正常现象,只要能检测到目标即可。 样本图片请参考博文:https://blog.csdn.net/FL1623863129/article/details/142365294 数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):5756 标注数量(xml文件个数):5756 标注数量(txt文件个数):5756 标注类别数:2 标注类别名称:["awning-tricycle","tricycle"] 每个类别标注的框数: awning-tricycle 框数 = 8260 tricycle 框数 = 12017 总框数:20277

2024-09-19

基于yolov8的DMS驾驶员抽烟打电话喝水吃东西检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.95 【模型可以检测出类别】 Sleepy Cigarette Drinking Phone microsleep HandsOnWheel Eating HandsNotOnWheel Seatbelt 更多实现细节参考博文:https://blog.csdn.net/FL1623863129/article/details/142355532

2024-09-19

航拍路面直行和转弯标志检测数据集VOC+YOLO格式566张9类别.7z

重要说明:图片很难找,数据集有增强,请仔细查看图片预览确认符合要求在下载 样本图片请参考博文:https://blog.csdn.net/FL1623863129/article/details/142359950 数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):566 标注数量(xml文件个数):566 标注数量(txt文件个数):566 标注类别数:9 标注类别名称:["left","left_back","left_right","right","straight","straight_back","straight_left","straight_left_right","straight_right"]

2024-09-19

基于yolov5的不同颜色安全帽检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 yolov5依赖模块 【模型可以检测出类别】 blue none red white yellow 更多实现细节参考博文:https://blog.csdn.net/FL1623863129/article/details/142358335

2024-09-19

不同颜色的安全帽检测数据集VOC+YOLO格式7574张5类别.7z

重要说明:数据集里面有2/3是增强数据集,请仔细查看图片预览,确认符合要求在下载,分辨率均为640x640 样本图片请参考博文:https://blog.csdn.net/FL1623863129/article/details/142357410 数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):7574 标注数量(xml文件个数):7574 标注数量(txt文件个数):7574 标注类别数:5 标注类别名称:["blue","red","white","without_helmet","yellow"] 每个类别标注的框数: blue 框数 = 6098 red 框数 = 10623 white 框数 = 8815 without_helmet 框数 = 10456 yellow 框数 = 9121 总框数:45113 使用标注工具:labelImg

2024-09-19

DMS驾驶员抽烟打电话喝水吃东西检测数据集VOC+YOLO格式5743张9类别.7z

重要说明:数据集存在增强图片,重复场景有点多,请仔细查看图片,确认符合要求在下载 样本图片查看请参考博文:https://blog.csdn.net/FL1623863129/article/details/142355532 数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):5743 标注数量(xml文件个数):5743 标注数量(txt文件个数):5743 标注类别数:9 标注类别名称:[“Cigarette”,“Drinking”,“Eating”,“HandsNotOnWheel”,“HandsOnWheel”,“Phone”,“Seatbelt”,“Sleepy”,“microsleep”]

2024-09-19

水稻病害数据集YOLO+VOC格式3355张4类别.zip

重要说明:一共三种水稻病害,褐斑病、Hispa 和叶瘟病,图片里面均是单个叶子背景简单,请仔细查看图片预览确认符合要求再下载 样本图片查看请参考博文:https://blog.csdn.net/FL1623863129/article/details/135105493 数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):3355 标注数量(xml文件个数):3355 标注数量(txt文件个数):3355 标注类别数:4 标注类别名称:["Hispa","Healthy","LeafBlast","BrownSpot"] 每个类别标注的框数: BrownSpot 框数 = 525 Healthy 框数 = 1489 Hispa 框数 = 565 LeafBlast 框数 = 779 总框数:3358 使用标注工具:labelImg

2024-09-19

基于yolov8的文本表格检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.95 【模型可以检测出类别】 figure list table text title 更多实现细节参考博文:https://blog.csdn.net/FL1623863129/article/details/142349553

2024-09-19

文本表格检测数据集VOC+YOLO格式6688张5类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):6688 标注数量(xml文件个数):6688 标注数量(txt文件个数):6688 标注类别数:5 标注类别名称:["figure","list","table","text","title"] 每个类别标注的框数: figure 框数 = 3388 list 框数 = 1671 table 框数 = 1855 text 框数 = 45018 title 框数 = 10497 总框数:62429 使用标注工具:labelImg 标注规则:对类别进行画矩形框 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,数据集只提供准确且合理标注 样本预览参考博文:https://blog.csdn.net/FL1623863129/article/details/142349514

2024-09-19

智慧养殖场肉鸡目标检测数据集VOC+YOLO格式3548张1类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):3548 标注数量(xml文件个数):3548 标注数量(txt文件个数):3548 标注类别数:1 标注类别名称:["boiler"] 每个类别标注的框数: boiler 框数 = 54270 总框数:54270 使用标注工具:labelImg 标注规则:对类别进行画矩形框 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,数据集只提供准确且合理标注 下载前请务必查看样张:https://blog.csdn.net/FL1623863129/article/details/142343495

2024-09-18

基于yolov8的肉鸡健康状态检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.95 【模型可以检测出类别】 AbNormal Normal 更多实现细节访问博文:https://blog.csdn.net/FL1623863129/article/details/142342406

2024-09-18

智慧养殖场肉鸡健康状态检测数据集VOC+YOLO格式4657张2类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):4657 标注数量(xml文件个数):4657 标注数量(txt文件个数):4657 标注类别数:2 标注类别名称:["AbNormal","Normal"] 每个类别标注的框数: AbNormal 框数 = 8447 Normal 框数 = 13163 总框数:21610 使用标注工具:labelImg 标注规则:对类别进行画矩形框 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,数据集只提供准确且合理标注 更多信息访问博文:https://blog.csdn.net/FL1623863129/article/details/142340382

2024-09-18

基于yolov8的红外小目标无人机飞鸟检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.95 【模型可以检测出类别】 Airplane Bird Drone Helicopter 更多实现细节参考博文:https://blog.csdn.net/FL1623863129/article/details/142336946

2024-09-18

红外微小目标无人机直升机飞机飞鸟检测数据集VOC+YOLO格式7559张4类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):7559 标注数量(xml文件个数):7559 标注数量(txt文件个数):7559 标注类别数:4 标注类别名称:["Airplane","Bird","Drone","Helicopter"] 每个类别标注的框数: Airplane 框数 = 971 Bird 框数 = 1214 Drone 框数 = 4242 Helicopter 框数 = 1431 总框数:7858 使用标注工具:labelImg 标注规则:对类别进行画矩形框 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,数据集只提供准确且合理标注 预览标注和图片更多信息参考博文:https://blog.csdn.net/FL1623863129/article/details/142334999

2024-09-18

无人机飞鸟检测数据集VOC+YOLO格式6647张2类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):6647 标注数量(xml文件个数):6647 标注数量(txt文件个数):6647 标注类别数:2 标注类别名称:["Bird","Drone"] 每个类别标注的框数: Bird 框数 = 3567 Drone 框数 = 4290 总框数:7857 使用标注工具:labelImg 标注规则:对类别进行画矩形框 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,数据集只提供准确且合理标注 更多信息:https://blog.csdn.net/FL1623863129/article/details/142333919

2024-09-18

棉花叶子病害检测数据集VOC+YOLO格式977张22类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):977 标注数量(xml文件个数):977 标注数量(txt文件个数):977 标注类别数:22 重要说明:分辨率均为640x640,请仔细观看图片预览确认是否符合自己实际项目需求斟酌下载 下载前请务必参考博文确认数据集是否符合项目需求:https://blog.csdn.net/FL1623863129/article/details/142329963

2024-09-18

基于yolov8的舌苔识别检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.95 【模型可以检测出类别】 houbai(厚白) huihei(灰黑) houhuang(厚黄) fenhong(粉红) bobai(薄白) 更多实现细节参考博文:https://blog.csdn.net/FL1623863129/article/details/142324070

2024-09-18

基于yolov8的战斗机类型识别检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【使用步骤】 使用步骤: (1)首先根据官方框架https://github.com/ultralytics/ultralytics安装教程安装好yolov8环境,并安装好pyqt5 (2)切换到自己安装的yolov8环境后,并切换到源码目录,执行python main.py即可运行启动界面,进行相应的操作即可 【提供文件】 python源码 yolov8n.onnx模型(不提供pytorch模型) 训练的map,P,R曲线图(在weights\results.png) 测试图片(在test_img文件夹下面) 更多实现细节参考博文:https://blog.csdn.net/FL1623863129/article/details/142323060

2024-09-18

战斗机检测数据集VOC+YOLO格式10100张43类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片量(jpg文件个数):10100 标注量(xml文件个数):10100 标注量(txt文件个数):10100 标注类别:43 标注类别名称:[“A10”,“A400M”,“AG600”,“AV8B”,“B1”,“B2”,“B52”,“Be200”,“C2”,“C5”,“C17”,“C130”,“E2”,“E7”,“EF2000”,“F4”,“F14”,“F15”,“F16”,“F18”,“F22”,“F35”,“F117”,“J20”,“JAS39”,“MQ9”,“Mig31”,“Mirage2000”,“P3”,“RQ4”,“Rafale”,“SR71”,“Su34”,“Su57”,“Tornado”,“Tu95”,“Tu160”,“U2”,“US2”,“V22”,“Vulcan”,“XB70”,“YF23”] 更多信息:blog.csdn.net/FL1623863129/article/details/142322747

2024-09-18

基于yolov8+lprnet的中文车牌识别系统python源码+pytorch模型+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.95 【模型可以检测出类别】 plate 视频演示:https://www.bilibili.com/video/BV1B5tYeSEyg/ 更多实现细节:https://blog.csdn.net/FL1623863129/article/details/142317812

2024-09-17

智能手机屏幕缺陷检测数据集VOC+YOLO格式1200张3类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):1200 标注数量(xml文件个数):1200 标注数量(txt文件个数):1200 标注类别数:3 标注类别名称:["oilspot","scratch","star"] 每个类别标注的框数: oilspot 框数 = 554 scratch 框数 = 1335 star 框数 = 1135 总框数:3024 使用标注工具:labelImg 标注规则:对类别进行画矩形框 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,数据集只提供准确且合理标注 更多信息:https://blog.csdn.net/FL1623863129/article/details/136764515

2024-09-17

基于USTC数据集结合mediapipe和yolov5算法实现的手语视频识别系统python源码.zip

下载后提取文件即可获取源码,注意这个需要安装pyqt5,opencv-python还有pytorch,您可以按照官方yolov5环境进行安装,然后安装完毕执行main.py函数接口看到界面出来,默认是打开摄像头,您也可以修改main.py第336行为'./video/t.avi文件路径进行测试

2024-09-16

AI健身体能测试之基于paddlehub实现引体向上计数个数统计源码+模型+视频例子+视频结果文件.zip

使用环境: paddlepaddle==2.4.2 paddlehub==2.4.0 理论上安装最新paddle环境也行。 实现的细节参考博文:https://blog.csdn.net/FL1623863129/article/details/142307043

2024-09-16

基于yolov8的茶叶病害检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.70 【模型可以检测出类别】 Black rot of tea Brown blight of tea Leaf rust of tea Red Spider infested tea leaf Tea Mosquito bug infested leaf Tea leaf White spot of tea disease 更多实现细节参考博文:https://blog.csdn.net/FL1623863129/article/details/142305205

2024-09-16

茶叶病害检测数据集VOC+YOLO格式9591张8类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):9591 标注数量(xml文件个数):9591 标注数量(txt文件个数):9591 标注类别数:8 标注类别名称:["Black rot of tea","Brown blight of tea","Leaf rust of tea","Red Spider infested tea leaf","Tea Mosquito bug infested leaf","Tea leaf","White spot of tea","disease"] 更多详细信息参考博文:https://blog.csdn.net/FL1623863129/article/details/142304275

2024-09-16

茶叶7种常见病害数据集茶叶病害分类数据集6749张7类别.7z

数据集类型:图像分类用,不可用于目标检测无标注文件 数据集格式:仅仅包含jpg图片,每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数):6749 分类类别数:7 类别名称:["Unlabeled","algal_spot","brown_blight","gray_blight","healthy","helopeltis","red_spot"] 每个类别图片数: Unlabeled 图片数:439 algal_spot 图片数:1113 brown_blight 图片数:980 gray_blight 图片数:1000 healthy 图片数:1074 helopeltis 图片数:1000 red_spot 图片数:1143 重要说明:数据集里面茶叶均为单叶,请仔细查看图片预览,斟酌下载 更多信息查看:https://blog.csdn.net/FL1623863129/article/details/142303855

2024-09-16

狗狗表情识别VOC+YOLO格式3971张4类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):3971 标注数量(xml文件个数):3971 标注数量(txt文件个数):3971 标注类别数:4 标注类别名称:["angry","happy","relaxed","sad"] 每个类别标注的框数: angry 框数 = 1051 happy 框数 = 1041 relaxed 框数 = 1038 sad 框数 = 1010 总框数:4140 使用标注工具:labelImg 标注规则:对类别进行画矩形框 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,数据集只提供准确且合理标注 更多信息:https://blog.csdn.net/FL1623863129/article/details/136329961

2024-09-16

基于yolov8的谢韦尔钢材缺陷检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 ultralytics==8.2.70 【模型可以检测出类别】 scratches pitting crack patches 更多实现细节参考博文:https://blog.csdn.net/FL1623863129/article/details/142300152

2024-09-16

谢韦尔钢材缺陷检测数据集VOC+YOLO格式6666张4类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):6666 标注数量(xml文件个数):6666 标注数量(txt文件个数):6666 标注类别数:4 标注类别名称:["crack","patches","pitting","scratches"] 每个类别标注的框数: crack 框数 = 321 patches 框数 = 1911 pitting 框数 = 3085 scratches 框数 = 14700 总框数:20017 使用标注工具:labelImg 标注规则:对类别进行画矩形框 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,数据集只提供准确且合理标注 更多信息:https://blog.csdn.net/FL1768317420/article/details/142298872

2024-09-16

基于yolov8的无人机检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 yolov5依赖模块 【模型可以检测出类别】 uav 更多实现细节参考博文:https://blog.csdn.net/FL1623863129/article/details/142298346

2024-09-16

基于yolov5的混凝土缺陷检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip

【测试环境】 windows10 anaconda3+python3.8 torch==1.9.0+cu111 yolov5依赖模块 【模型可以检测出类别】 ["Armatura in vista","Delaminazione","Efflorescenza","Fessura","Scaling","Spalling","Tracce di ruggine"] 对应中文类别 [“可见裂斑”、“分层”、“风化”、“缝隙”、“剥落”、“脱落”、“锈迹”] 更多信息:https://blog.csdn.net/FL1623863129/article/details/142297313

2024-09-16

混凝土缺陷检测数据集VOC+YOLO格式7513张7类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):7513 标注数量(xml文件个数):7513 标注数量(txt文件个数):7513 标注类别数:7 标注类别名称:["Armatura in vista","Delaminazione","Efflorescenza","Fessura","Scaling","Spalling","Tracce di ruggine"] 总框数:40324 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:对应中文类别 [“可见裂斑”、“分层”、“风化”、“缝隙”、“剥落”、“脱落”、“锈迹”] 更多信息:https://blog.csdn.net/FL1623863129/article/details/142294786

2024-09-16

无人机识别检测数据集VOC+YOLO格式6986张1类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):6986 标注数量(xml文件个数):6986 标注数量(txt文件个数):6986 标注类别数:1 标注类别名称:["uav"] 每个类别标注的框数: uav 框数 = 7588 总框数:7588 使用标注工具:labelImg 标注规则:对类别进行画矩形框 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,数据集只提供准确且合理标注 更多信息:https://blog.csdn.net/FL1623863129/article/details/142292919

2024-09-16

痤疮严重程度分级分类数据集999张3类别.7z

数据集类型:图像分类用,不可用于目标检测无标注文件 数据集格式:仅仅包含jpg图片,每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数):999 分类类别数:3 类别名称:["Level_0","Level_1","Level_2"] 每个类别图片数: Level_0 图片数:387 Level_1 图片数:473 Level_2 图片数:139 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,数据集只提供准确且合理分类存放 更多信息:https://blog.csdn.net/FL1623863129/article/details/142283582

2024-09-15

铁路列车手势分类数据集3852张5类别.7z

数据集格式:仅仅包含jpg图片,每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数):3852 分类类别数:5 类别名称:["fache","jinzhanxinhao","tingchexinhao","yibiaozhengchang","zhenxiantinche"] 每个类别图片数: fache 图片数:783 jinzhanxinhao 图片数:882 tingchexinhao 图片数:684 yibiaozhengchang 图片数:1098 zhenxiantinche 图片数:405 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,数据集只提供准确且合理分类存放 更多信息:https://blog.csdn.net/FL1768317420/article/details/142282367

2024-09-15

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除