2021年04月_FL1623863129

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创 [深度学习][转载]COCO数据集格式解析

一、COCO数据集JSON文件格式json文件主要包含以下几个字段：<class 'dict'>{"info": info, # dict"licenses": [license], # list ，内部是dict"images": [image], # list ，内部是dict"annotations": [annotation], # list ，内部是dict"categories": # list ，内部是dict...

2021-04-30 10:27:02 1670

原创 [ubuntu][转载]Ubuntu18.04 开机自动挂载其他硬盘

一、目标：实现开机之后ubuntu系统自动挂载主机上的Win10 ntfs硬盘（双系统的话）等其他硬盘、移动硬盘等二、操作步骤# linux将对外设的操作统一视为对文件的操作，对外设操作之前都需要进行挂载，即将外设以文件的形式“挂载”或者说“加载”到相应的目录位置。 # 执行以下操作前，先手动挂载一次需要下次开机自动挂载的磁盘（否则在第一步中不显示相应的磁盘信息）：点击-文件-其他位置-双击对应的盘符即可手动挂载，手动挂载成功后桌面显示相应的图标。 # 1 查看设备列表和信息，防止误操

2021-04-29 07:50:15 942

原创 [paddledetection][转载]paddledetection常见问题汇总

AQ(常见问题) Q: 为什么我使用单GPU训练loss会出NaN? A: 默认学习率是适配多GPU训练(8x GPU)，若使用单GPU训练，须对应调整学习率（例如，除以8）。计算规则表如下所示，它们是等价的，表中变化节点即为piecewise decay里的boundaries: GPU数学习率最大轮数变化节点 2 0.0025 720000 [480000, 640000] 4 0.005 360000 [240000, 320000]...

2021-04-28 21:22:32 538

原创 [深度学习][转载]测试tensorflow,pytorch,paddlepaddle是否可正常调用GPU

1，tensorflowimport tensorflow as tfprint(tf.test.is_gpu_available())1 2如果输出以下结果说明调用成功：2，pytorchimport torchprint(torch.cuda.is_available())1 2如果输出以下结果说明调用成功：3，paddlepaddleimport paddlepaddle.fluid.install_check.run_check()1 2如果

2021-04-28 08:02:43 276

原创 [ubuntu][转载]ubuntu如何本地显示远程服务器opencv弹出窗口

由于要用服务器上的GPU进行模型训练，在服务器上进行调试代码和可视化结果很不方便，所以想要在本地电脑上远程显示服务器上的界面。方法：可以通过在命令行直接利用ssh远程链接服务器，并加上- X 指令，即可在本地电脑获取服务器上的可视化软件界面。ssh -X -p 端口号 username@服务器地址1上述指令中，-X（大写）表示开启显示数据回传，-p表示指定登录用的端口为端口号举例：ssh -X -p 2000 username@192.0.0.0建立链接后，在命令行输入要运行的软

2021-04-26 10:02:32 835

原创 [原创工具]VOC数据集一键自动校验是否包含错误标签的使用教程

VOC数据集是否在标注完就可以开始训练呢？答案是否定的，有的VOC数据集是通过代码转换的，有的因为使用工具问题导致xml文件出现错误，笔者使用laeblImg标注文件有时候遇到xml里面的width和height都是0情况，结果训练就会出现问题，有时候在darknet上训练直接导致darknet异常，而且问题很难定位出来。如果想避免标注引发错误。可以使用我开发一个小工具可以自动校验所有xml文件是否符合规范，并且可以定位文件修改或删除。<iframe src="//player.bilibili

2021-04-24 16:15:44 415 1

原创 [libtorch][原创]libtorch在windows上使用VS编译提示 std 不明确的符号

对着项目右键单击-属性进入设置界面，然后按照下面设置即可设置的问题：项目-》属性-》c/c++》常规》SDL检查：改为否c/c++》语言》符合模式：选择：否。

2021-04-24 09:33:39 760 1

原创 [python][转载]pymc3测试代码

import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dnp.random.seed(123)alpha=1sigma=1beta =[1, 2.5]N=100X1=np.random.randn(N)X2=np.random.randn(N)Y=alpha + beta[0]*X1 + beta[1]*X2 + np.random.randn(N)*sig.

2021-04-23 11:46:50 191

原创 [pytorch][转载]PyTorch中使用指定的GPU

PyTorch默认使用从0开始的GPU，如果GPU0正在运行程序，需要指定其他GPU。有如下两种方法来指定需要使用的GPU。1. 类似tensorflow指定GPU的方式，使用CUDA_VISIBLE_DEVICES。1.1 直接终端中设定：CUDA_VISIBLE_DEVICES=1 python my_script.py1.2 python代码中设定：import osos.environ["CUDA_VISIBLE_DEVICES"] = "2"见网址：http://

2021-04-22 09:27:09 117

原创 [环境配置][原创]error MSB6006: “CL.exe”已退出，代码为 2解决方法

今日解决一起error MSB6006: “CL.exe”已退出，代码为 2错误，使用VC++2010学习版，安装后运行任何代码都提示错误，经过仔细排查和验证，最终发现这个是因为电脑安装360安全卫士导致的，当运行代码时候，会在临时目录生成一个exe文件，360误报杀掉了结果运行不起来，当你运行代码，360就会背后偷偷删除你的编译文件而且没有任何提示，最好解决方法是：第一种：使用VC++2010关闭360第二种：卸载360第三种：更换其他杀毒软件...

2021-04-21 11:29:53 6928 5

原创 [C#][转载]C# 使用微软的Visual Studio International Pack 类库提取汉字拼音首字母

昨天经过网友提醒，提取汉字拼音的方法可以使用微软的一个类库 Visual Studio International Pack ，今天试了一试，确实好用！下面分享下使用方法：首先下载Visual Studio International Pack 1.0，官方下载地址：http://www.microsoft.com/downloads/zh-cn/details.aspx?FamilyID=44CAC7F0-633B-477D-AED2-99AEE642FC10&displaylang=zh-c

2021-04-20 07:46:14 1012

原创 [windows][原创]qttools卸载后重装提示此扩展已安装到所有适用的产品

此方法适合VS2019亲测有效。最近不知道为什么Qt vsTools打开QT .pro文件总是崩溃，无法打开，想重装，把原先的卸载掉后重装，发现提示“此扩展已安装到所有适用的产品”，无法安装，想到可能是之前的数据没有卸载干净，导致重装失败，找到vs的插件安装路径C:\Users\lenovo\AppData\Local\Microsoft\VisualStudio\14.0\Extensions,可以看到里面有三个目录，打开目录可以看到对接的插件，目录分别对应了番茄助手，vim，qt vs to

2021-04-18 19:54:35 2860 3

原创 [C#][转载]复制粘贴操作

实现复制和粘贴（内容可修改）//复制private void button1_Click(object sender, System.EventArgs e){ if (textBox1.SelectedText != "") Clipboard.SetDataObject(textBox1.SelectedText); //Clipboard.SetText("New Content"); }//粘贴private void butto

2021-04-17 20:47:05 2051

原创 [matlab][转载]libsvm安装后测试代码

[heart_scale_label,heart_scale_inst]=libsvmread('../heart_scale');model = svmtrain(heart_scale_label,heart_scale_inst) ;[predicmest_label,accuracy,dec_values] = svmpredict(heart_scale_label,heart_scale_inst,model);

2021-04-17 10:02:37 258

原创 [深度学习][原创]in function ‘copyMakeBorder‘错误解决方法

pytorch yolov3训练或者剪枝时候会提示下面错误File "/home/fut/miniconda3/lib/python3.8/site-packages/torch/utils/data/dataloader.py", line 435, in __next__ data = self._next_data() File "/home/fut/miniconda3/lib/python3.8/site-packages/torch/utils/data/dataloader....

2021-04-12 11:51:36 2084 3

原创 [深度学习][原创]AssertionError: Unsupported fields [‘max_delta‘]解决方法

用darknet训练的yolov4.weights没办法通过python代码直接加速，当然使用终端命令可以简单测试，如果涉及到怎么改变框的颜色等具体细节就行了，如果想用yolov4.weights进行GPU加速而且是做python开发的话，我们可以有很多方法：比如yolov4.weights->yolov4.onnx->yolov4.trt(tensorrt加速)yolov4.weights->yolov4.h5(keras或者tensorflow2gpu加速)yolov4..

2021-04-08 08:07:21 985 1

原创 [darknet][转载]darknet使用说明书20210407版

Yolo v4, v3 and v2 for Windows and Linux(neural networks for object detection)Paper YOLO v4: https://arxiv.org/abs/2004.10934Paper Scaled YOLO v4: https://arxiv.org/abs/2011.08036 use to reproduce results: ScaledYOLOv4More details in articles on mediu

2021-04-07 22:40:08 980

原创 [python][转载]python 线程池使用

前言从Python3.2开始，标准库为我们提供了 concurrent.futures 模块，它提供了 ThreadPoolExecutor (线程池)和ProcessPoolExecutor (进程池)两个类。相比 threading 等模块，该模块通过 submit 返回的是一个 future 对象，它是一个未来可期的对象，通过它可以获悉线程的状态主线程(或进程)中可以获取某一个线程(进程)执行的状态或者某一个任务执行的状态及返回值：主线程可以获取某一个线程（或者任务的）的状态，以及返回值。

2021-04-06 14:54:40 115

原创 [python][转载]python + OpenCV 实现人脸识别

python + OpenCV 实现人脸检测本文人脸识别检测具体是通过程序采集图像并进行训练，并且基于这些训练的图像对人脸进行动态识别。人脸识别前所需要的人脸库可以通过两种方式获得：1.自己从视频获取图像2.从人脸数据库免费获得可用人脸图像，如ORL人脸库（包含40个人每人10张人脸，总共400张人脸），ORL人脸库中的每一张图像大小为92x112。若要对这些样本进行人脸识别必须要在包含人脸的样本图像上进行人脸识别。这里提供自己准备图像识别出自己的方法。先看一下效果人丑勿怪采集人脸信息

2021-04-02 17:45:23 701

基于yolov5的中国交通标志TT100K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依赖模块更多实现细节参考博文：https://blog.csdn.net/FL1623863129/article/details/142448022

2024-09-23

中国交通标志TT100K检测数据集VOC+YOLO格式7962张45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)：7962 标注数量(xml文件个数)：7962 标注数量(txt文件个数)：7962 标注类别数：45 更多信息访问博文：https://blog.csdn.net/FL1623863129/article/details/142448008

2024-09-23

安国U盘量产工具ALCOR-U2-MP-v21.12.02.00.zip

安国U盘量产工具

2024-09-22

基于yolov8+deepsort+gradio实现目标追踪演示源码

具体实现细节和效果参考博文：https://blog.csdn.net/FL1623863129/article/details/142438034

2024-09-22

DOTAv2.0遥感航拍目标检测数据集VOC+YOLO格式4840张16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)：4840 标注数量(xml文件个数)：4840 标注数量(txt文件个数)：4840 标注类别数：16 标注类别名称:["baseball-diamond","basketball-court","bridge","container-crane","ground-track-field","harbor","helicopter","large-vehicle","plane","roundabout","ship","small-vehicle","soccer-ball-field","storage-tank","swimming-pool","tennis-court"] 更多信息：https://blog.csdn.net/FL1623863129/article/details/142436137

2024-09-22

DOTAv1.0遥感航拍目标检测数据集VOC+YOLO格式1713张16类别.zip

数据集超过1GB放百度云盘去了，请下载后打开下载地址.xlsx获取下载地址重要说明：数据集图片要低于实际官方图片属于正常现象，因为官方数据集里面标注存在部分错误，我这边已经通过代码去掉错误标注，比如坐标位置超过图片实际宽高，坐标左上角和右下角坐标不符合实际等情况。此外dota数据集目标都是小目标，因此如果训练后map非常低属于正常现象，因为小目标很难训练而且很难检测，这个是业界公认难点。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)：1713 标注数量(xml文件个数)：1713 标注数量(txt文件个数)：1713 标注类别数：16 更多信息参考博文：https://blog.csdn.net/FL1623863129/article/details/142434305

2024-09-22

libomp140.x86-64.dll和vcomp140.dll

引入pytorch 报错 Error loading\\Lib\\site-packages\\torch\\lib\\fbgemm.dll\ or one of its dependences将这2个dll下载后放入C:\Windows\system32里面即可解决问题，如果提示文件存在则可能不是由于这个dll引起，如果有其中一个存在另一个dll没有的话放入另一个即可，如果2个dll都没有则都放进去，如果2个dll都有大概率不是由于缺少dll导致。请务必先到C:\Windows\system32是不是有这2个dll文件，如果都有则不是这个问题，可以确定该方法不能解决问题，如果缺少一个或者2个可以解决问题

2024-09-21

外部墙体损伤缺陷检测外墙损坏等级检测数据集VOC+YOLO格式4629张4类别.7z

重要说明：数据集里面大约有一般是4张增强数据集图片请仔细查看图片预览，确认符合要求在下载，介意有增强的勿下载样本图片参考博文：https://blog.csdn.net/FL1623863129/article/details/142420758 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)：4629 标注数量(xml文件个数)：4629 标注数量(txt文件个数)：4629 标注类别数：4 标注类别名称:["Heavy Damage","Minor Damage","Moderate Damage","Undamage"] 每个类别标注的框数： Heavy Damage 框数 = 2052 Minor Damage 框数 = 6475 Moderate Damage 框数 = 4094 Undamage 框数 = 742 总框数：13363 使用标注工具：labelImg

2024-09-21

水泥外墙缺陷检测数据集VOC+YOLO格式2947张4类别.7z

下载前请查看样本图片是否符合要求，由于属于可复制产品售出一概不退，请确认符合要求再下载，博文地址：https://blog.csdn.net/FL1623863129/article/details/142420526 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)：2947 标注数量(xml文件个数)：2947 标注数量(txt文件个数)：2947 标注类别数：4 标注类别名称:["crack","discoloration","exposed bricks","spalling"] 每个类别标注的框数： crack 框数 = 1149 discoloration 框数 = 1642 exposed bricks 框数 = 4927 spalling 框数 = 248 总框数：7966 使用标注工具：labelImg

2024-09-21

PCB电路板元件检测数据集VOC+YOLO格式3948张29类别.7z

重要说明：数据集有增强，请仔细查看图片预览确认符合要求在下载数据集格式：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)：3948 标注数量(xml文件个数)：3948 标注数量(txt文件个数)：3948 标注类别数：29 详细类别和样本图片数据参考博文：https://blog.csdn.net/FL1623863129/article/details/142415781

2024-09-21

基于yolov8+openpose人体骨骼关键点实现的摔倒姿态识别检测系统源码+所有模型+项目说明

【参考源码】 github.com/HRonaldo/Openpose_YOLO 本项目参考上面框架进行全面改进，改进如下：（1）将检测框架换成当前最流行框架yolov8，并封装成类实现模块化设计（2）调整部分文件夹结构，比如模型归为一类文件夹，这样方便查看模型（3）检测流程简化，使得人体骨骼关键点实现的摔倒姿态识别代码十分简单，实际只要40多行代码就实现整个检测流程运行步骤：安装好yolov8环境后执行python main_video.py 更多实现细节参考博文：https://blog.csdn.net/FL1623863129/article/details/142413295

2024-09-21

基于yolov5+openpose人体骨骼关键点实现的摔倒姿态识别检测系统源码+所有模型+项目说明

【参考源码】 github.com/HRonaldo/Openpose_YOLO 本项目参考上面框架进行全面改进，改进如下：（1）封装YOLOv5检测类，这样可以加强阅读便利性，模块设计方便嵌入其他框架，后面我会换成yolov8模型进行该项目移植（2）调整部分文件夹结构，比如模型归为一类文件夹，这样方便查看模型（3）检测流程简化，使得人体骨骼关键点实现的摔倒姿态识别代码十分简单，实际只要40多行代码就实现整个检测流程运行步骤：安装好yolov5环境后执行python main_video.py 更多实现细节参考博文：https://blog.csdn.net/FL1623863129/article/details/142411883

2024-09-21

vs2015从源码编译gdal3.3.2好的库文件x64-release版本

编译各个源码版本如下： curl-7.79.1.zip gdal-3.3.2.zip geos-3.9.1.tar.bz2 PROJ-8.1.1.zip sqlite-amalgamation-3360000.zip sqlite-dll-win64-x64-3360000.zip tiff-4.3.0.tar.gz 用于VS2015配置C++版本的GDAL，详细配置教程可参考博客https://blog.csdn.net/FL1623863129/article/details/142391731，注意博文是VS2019配置C++版本的GDAL流程，两者配置流程一模一样，参考博文即可

2024-09-20

vs2017从源码编译gdal3.3.2好的库文件x64-release版本

编译各个源码版本如下： curl-7.79.1.zip gdal-3.3.2.zip geos-3.9.1.tar.bz2 PROJ-8.1.1.zip sqlite-amalgamation-3360000.zip sqlite-dll-win64-x64-3360000.zip tiff-4.3.0.tar.gz 用于VS2017配置C++版本的GDAL，详细配置教程可参考博客https://blog.csdn.net/FL1623863129/article/details/142391731，注意博文是VS2019配置C++版本的GDAL流程，两者配置流程一模一样，参考博文即可

2024-09-20

vs2019从源码编译gdal3.5.3好的库文件x64-release版本

编译各个源码版本如下： curl-8.2.1.zip gdal-3.5.3.zip geos-3.12.1.tar.bz2 PROJ-9.2.1.zip sqlite-amalgamation-3360000.zip sqlite-dll-win64-x64-3360000.zip tiff-4.5.0.tar.gz 用于VS2019配置C++版本的GDAL，详细配置教程可参考博客https://blog.csdn.net/FL1623863129/article/details/142391731，注意这个博文是3.3.2版本但是配置流程是一样的，参考即可

2024-09-20

vs2019从源码编译gdal3.3.2好的库文件x64-release版本

编译各个源码版本如下： curl-7.79.1.zip gdal-3.3.2.zip geos-3.9.1.tar.bz2 PROJ-8.1.1.zip sqlite-amalgamation-3360000.zip sqlite-dll-win64-x64-3360000.zip tiff-4.3.0.tar.gz 用于VS2019配置C++版本的GDAL，详细配置教程可参考博客https://blog.csdn.net/FL1623863129/article/details/142391731

2024-09-20

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

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人