带mask的血细胞分割数据集2656 张
总共有 2656 张图像可用。1328 个原始血细胞图像以及 1328 个相应的掩膜图像。其中训练集和测试集分别分为 1169 张图像和 159 张图像。
蘑菇的分类数据集包含9种
该数据集用于对 9 种蘑菇进行分类
每个类别分别置于对应文件夹中
包含6000余张图像
46种黄金耳环分类数据集
收集了46种金耳环的饰品数据集。它包含来自不同珠宝链目录的 2,651 个高分辨率金耳环图像。这些图像也用于在线购物应用程序。
血细胞检测数据集yolo格式
这是一个血细胞照片数据集,共有 364 张图像,分为三类:`WBC`(白细胞)、`RBC`(红细胞)和`血小板`。
乳腺超声分类图像数据集
乳腺超声分类图像数据集,数据包括 25 至 75 岁女性的乳腺超声图像。该数据整理于 2018 年。患者人数为 600 名女性患者。该数据集由 780 张图像组成,平均图像大小为 500*500 像素。图片为PNG格式。地面实况图像与原始图像一起呈现。图像分为标准、良性和恶性三类。
青光眼视网膜图像数据集
1.该数据集可用于研究和训练机器学习模型,以将视网膜图像分类为青光眼或正常,以提高青光眼诊断和治疗的准确性和效率
2.该数据集包含 307 张视网膜图像,可分为两类:152 张被诊断患有青光眼的人的图像,以及 155 张眼睛健康的人的图像
525种鸟类分类数据集
1.包含525种鸟类的分类数据
2.按照鸟类名字,分文件夹
3.包含一个训练好的模型
4.包含84635个训练图像,2625个测试图像和2625个验证图像
5.图像尺寸为224X224X3
葡萄病害分类数据集四种原版和增强版合集
每个类有 1344 张增强图像和来自原始数据集的 1656 张图像,每个类总共有 3000 张图像。这四个类别是黑腐病、ESCA、叶枯病和健康。
草莓七种虫害实例分割数据集
数据集总共包含 2500 张图像以及对应的七种不同类型草莓病害的分割注释文件,注释格式是json
小麦叶的虫害分类数据集
1.该数据集用于图像分类
2.该数据有 102 片健康小麦叶片、208 片条锈病感染叶片和 97 片针叶病感染叶片
3.已经按照文件夹进行划分
4.数据集过大,下载后提供链接下载完整数据集
螺栓目标检测数据集voc格式
1.有300余张螺栓的图像数据和对应的yaml标注数据
2.可以用于目标检测训练
30种林业害虫的数据集
1.包含30种常见林业害虫数据
2.train数据有6000余张,val数据有670余张
3.有json和txt(yolo)两种标注格式
4.提供了一个json转txt的代码
5.数据集过大,下载后里面有个下载链接,可以下载完整数据集
水稻害虫数据集Yolo格式
1.分为test,train和val三个文件夹
2.总数大概3000余张图像和3000余个对应的txt标注文件
3.包含常见的7个类别病虫害的数据 ['black bug', 'brown plant hopper', 'green leaf hopper', 'rice bug', 'rice grasshopper', 'rice leaf roller', 'stem borer']
cracktree500数据集,路面裂缝检测数据集
1.总文件大小1.56G
2.路面裂缝检测数据集
3.链接提取
基于labelme标注的纸箱数据集
1.基于labelme标注的纸箱数据集
2.数据集总量包含7000余张包含纸箱图像及对应json的标注文件
3.可用于图像分割
4.主要用于快递物流行业
制作旋转目标检测数据集工具
1.制作旋转目标检测数据集的相关工具
yolov7全部权重文件
1.包含yolov7的6个权重文件
matlab图像显著度代码
1.使用matlab进行编写、
2.作用为图像显著度操作
基于yolov5-dnn及pyqt的可视化界面
1.基于yolov5的dnn部署,部署方式简单
2.基于pyqt做的可视化界面
3.建议采用pycharm进行调试
4.包含UI文件,可自行进行后续的开发和扩展
5.代码结构清晰明了
海康工业相机软件MVS用户手册
海康工业相机软件MVS用户手册
基于yolov7的口罩检测模型
1.训练好的yolov7口罩检测模型
2.模型存放在runs文件夹
3.内部有教程
4.精度93%左右
5.有多个训练好的模型可以使用
6.分为3类,戴口罩、未戴口罩和没戴好口罩
口罩佩戴目标检测数据集----无重复图像
1.一共有7193张标注过的口罩数据
2.分为3类,戴口罩、未戴口罩和没戴好口罩
3.以转换为yolo格式
4.可以直接给yolo系列目标检测算法进行训练
5.7193张图像均不重复,不是依靠数据增强获得的数据集
6.可用于后续数据增强处理
7.文件结构清晰,便于后续处理和拆分
yolov7训练自己的数据集+教程+二维码检测
该资源主要包括:
1.基于yolov7的训练好的二维码检测模型
2.二维码的yolo格式数据集
3.yolov7训练自己的数据集的教程
4.yolov7环境配置教程
5.yolov7训练测试教程
6.上千张已标注好的二维码数据集
redisjson2.0.8编译后的librejson.so文件
1.redisjson2.0.8编译后的librejson.so文件
2.Rust编译
3.可以直接下载配置
4.版本为2.0.8比较新
5.redis版本要在6以上
yolov7代码及全部预训练权重
该资源包含:
1.yolov7的代码
2.yolov7.pt yolov7x.pt yolov7-w6.pt yolov7-e6.pt yolov7-d6.pt yolov7-e6e.pt等6个预训练权重文件
基于opencv运动物体背景分割方法的目标检测及目标跟踪实现
1.仅使用opencv库进行功能实现
2.使用opencv中createBackgroundSubtractorMOG2()运动物体背景分割,及后续目标检测
3.代码中实现了对车辆的检测和跟踪
4.代码计算量小,可实现实时跟踪
5.可对感兴趣区域(ROI)进行单独检测和跟踪
6.代码关键步骤进行了备注
树莓派镜像,编译好了opencv4.5.1和opencv_contrib以及ncnn
树莓派镜像,编译好了opencv4.5.1和opencv_contrib以及ncnn,可以直接调用opencv的dnn模块进行目标检测,目标分割等深度学习算法。同时编译好了ncnn模块,方便arm架构的树莓派执行相关程序。且内部附带基于dnn模块的yolov5检测模型。
手机玻璃后盖(盖板)缺陷数据集
1.该数据集为玻璃盖板缺陷数据集
2.数量为8000余张以及经过精确标注的数据
3.标注类别为3类
4.图像为灰度图
基于yolov5和pyqt的可视化目标检测支持摄像头、视频和图像检测
1,基于yolov5和pyqt5的可视化界面
2,支持摄像头、视频和图片多种检测模式
3,可重复编辑使用的界面模板
使用yolov5,dnn和卡尔曼滤波(kalman)进行目标跟踪和预测
本项目中使用opencv的dnn模块对yolov5进行部署,增加卡尔曼滤波kalman算法,对检测目标进行跟踪和预测。可用于导航等领域的短暂目标丢失预测。
场景文本检测和识别及车牌数据
可利用车牌数据对场景文本检测和识别进行验证
tesseract资源包及chinese语言包
ocr中的识别算法tesseract,配合中文语言包使用,可实现中文文字识别
Halcon机器视觉手册
Halcon机器视觉手册,包含基础的Halcon使用说明和函数库
python车道线检测.zip
基于python编写的车道线检测方法