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

预览 取消 提交

自定义博客皮肤

-+
上一步保存

FL1623863129的博客

  • 博客(6)
  • 资源 (284)
  • 收藏
  • 关注
全部文章> 2019年05月
排序：
按最后发布时间
按访问量
RSS订阅
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 修改视频音频图片文件MD5软件教程傻瓜式操作

先看图如下这个软件修改批量修改文件的MD5，具有速度快，多文件批量。使用方法也很简单，先设置保存目录后，你只要文件导入软件列表后点击开始修改即可，支持图片，声音，视频等，傻瓜式操作，软件为共享软件，曾经在某宝卖出很多个，关注微信公众号未来自主研究中心可以获取更多信息，好了本次介绍到此介绍下次我为大家介绍更多更实用软件。...

2019-05-11 14:45:34 2273

原创 PPT转WORD软件使用教程，可以提取PPT文字和图片到Word

ppt转word软件是全球首款可以将ppt里面的文字和图片放进word的软件，注意只能提取文字和图片，如果是公式或者特殊文件比如声音,flash等是不支持的，由于ppt和word是完全不同的办公文档，所以转换不能保持PPT原来格式到word里面，我们首先看看软件的界面软件使用非常傻瓜，您只需要导入ppt文件然后点击开始就可以等任务完成，然后那你就可以到文件目录查看转换效果。转换速度还得看p...

2019-05-09 09:31:16 1439

原创 批量提取PPT里面包含的图片教程

有时候我们想提取PPT文件里面所有的图片，如果PPT里面图片少了还可以自己复制保存下，如果图片多了这个根本不是人力不及，此外如果多个PPT提取根本不是人能手动完成，本次向大家推荐一款PPT提取图片软件，支持批量操作多文件提取，先看界面使用方法:设置保存目录，然后通过导入按钮或者拖拽放入文件，点击开始提取就可以静静的等待提取完成了，软件为共享软件，关注微信公众号未来自主研究中心可以获取更多信...

2019-05-09 09:24:17 955 1

原创 上下班打卡提醒软件使用教程

上下班打开提醒软件是FIRC团队研发一款上下班打卡提醒的软件，界面如下软件功能：（1）可以添加多个任务，注意由于任务时间添加可能先后不一样，需要对着列表一键排序即可完成时间排序。（2）可以开机自启动运行并缩小（3）支持弹出提示、铃声播放和窗口抖动功能（4）支持自定义弹窗提示语（5）支持整点语音报时，如果你想即时报时点击窗口时间即可报时（6）更多功能请使用本软件体验...

2019-05-08 17:15:56 2931

原创 全网最好用的关键词的组合软件使用教程可排列组合随机生成

关键词组合软件截图这个软件支持2种模式即关键词组合模式和排列组合模式，先介绍关键词组合模式，使用很简单只需要将关键词放进4个方框点击生成即可，注意方框可以为空，但是不能全是空或者一个为空。该关键词组合后生成数计算公式为关键词A有AN个，关键词B有BN个，关键词C有CN个，关键词D有DN个，如果关键词为空则默认是1，则有关键词总数=ANxBNxCNxDN这个软件好处就是也可以...

2019-05-06 19:34:03 18690

原创 [软件工具][windows]二维码条形码图片自动识别内容重命名软件使用教程

（2）如果勾选去除特殊字符，则命名前会去掉非法文件名字符比如:/\>等，如果不勾选，则不会命名，因为识别结果里面特殊字符不能给文件命名。使用步骤：导入文件夹或者文件，支持jpg,bmp和png三种格式点击开始命名即可。使用注意：（1）如果发现文件里面无二维码或者条形码则文件名不会命名。（3）使用前请注意备份文件，以防命名后文件名无法恢复原来文件名。

2019-05-03 12:04:55 469

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

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

查看更多

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