水面垃圾漂浮物检测+yolo系列

已于 2023-04-06 20:21:01 修改
阅读量5.7k 收藏 40
点赞数 6
分类专栏： yolo目标检测 文章标签： 计算机视觉 目标检测 pytorch 机器学习
于 2022-03-19 18:49:22 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43710038/article/details/123600098
版权

水面垃圾漂浮物检测
算法：yolo5
数据集：
https://download.csdn.net/download/weixin_43710038/72737460
https://download.csdn.net/download/weixin_43710038/72737839
目标检测模型：https://download.csdn.net/download/weixin_43710038/85003787
训练轮数：100
训练图片：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

睡不醒．
关注
  • 6
    点赞
  • 踩
  • 40
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 21
    评论
专栏目录
河道漂浮物检测数据集.zip
04-14
河道漂浮物检测数据集.zip
YOLOv7水下垃圾检测+训练好的模型+数据集
02-20
1、YOLOv7水下垃圾检测，包含训练好的水下垃圾检测权重，以及PR曲线，loss曲线等等； 2、包含VOC水下垃圾检测数据集，几千张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，包含许多不同类型的海洋垃圾的图像；数据场景丰富；类别为metal、wood、platstic、rubber、cloth等多个类别目标； 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743
基于YOLOv8的河道漂浮物实时检测系统【训练和系统源码+Pyside6+数据集+包运行】
最新发布
源的博客
04-14 1283
河道漂浮物实时检测系统通过先进的图像处理和人工智能技术，及时探测和清除水面垃圾，以维护水体的生态平衡和环境卫生，有助于防止污染物扩散，确保河流的持续健康和清洁。本文基于YOLOv8算法框架，通过2400张训练图片（其中1920张训练集，480张验证集），训练出一个可用于检测河道漂浮物情况的有效模型。此外，为更好地展示算法效果，基于此模型开发了一款带GUI界面的基于YOLOv8的河道漂浮物实时检测系统，可用于实时检测河道漂浮物情况，以及时告警。该系统是基于Python和Pyside6开发，并支持以下功能特性。
垃圾检测+数据集（非垃圾分类数据集）
03-30
垃圾检测数据集，包括垃圾袋，垃圾桶，瓶子，金属，纸张，果皮，纸团，食品包装袋，纸盒，烟头，瓶盖，杯子等检测目标.详情：https://blog.csdn.net/qq_34717531/article/details/123844312?spm=1001.2014.3001.5502 该数据集分为二个部分,JPEGImages和Annotations.JPEGImages文件夹中有1000+张路边的垃圾图像，共有2800+个垃圾标注框。 并对每张图片使用labelimg做了人工标注,标注对应的xml文件放在了Annotations文件夹中. 本数据集图片清晰,场景广泛,精心挑选,人工标注.适用于任意场景,可作为垃圾检测的模板数据集. 应用特定场景时,只需加入部分特定场景数据,即可满足对特定场景垃圾检测的检测. 免去了收集,挑选,标注垃圾图片的时间,可直接进行工程化应用.
水面漂浮物数据集-2400.zip
06-25
darknet框架下进行深度学习，所制作的水面漂浮垃圾数据集一共2400张。数据集基本上都是实地拍摄采集然后处理，同时进行了手工标注，可以直接用于训练。
数据集VOC格式目标检测数据集河道垃圾水面漂浮物数据集-1304张
03-05
数据集格式：Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件，仅仅包含jpg图片和对应的xml)
水面漂浮物
Ring__Rain的博客
10-22 2733
基于深度学习的水面漂浮物目标检测及分析
YOLO5-1 使用YOLO5检测 水面漂浮物记录
March_A的博客
08-03 1137
数据集配置文件 dataset.yaml 的路径，默认值是 ROOT / 'data/coco128.yaml'。: 指定使用的设备，如 'cuda:0' 表示使用第一个 GPU，'cpu' 表示使用 CPU。: 初始权重文件的路径，默认值是 ROOT / 'yolov5s.pt'。: 所有 GPU 上的总批量大小，-1 表示自动确定，默认值是 16。: 保存结果的名称，默认值是 'exp'。: 总的训练轮数，默认值是 100。: 保存结果的项目路径，默认值是。
adpater
weixin_39388156的博客
01-08 533
Adapter相当于一个数据源， Adapter接口定义了如下方法： public abstract void registerDataSetObserver (DataSetObserver observer)  Adapter表示一个数据源，这个数据源是有可能发生变化的，比如增加了数据、删除了数据、修改了数据，当数据发生变化的时候，它要通知相应的AdapterView
[数据集][VOC][目标检测]河道垃圾水面漂浮物数据集目标检测可用yolo训练-1304张介绍
FL1623863129的博客
03-05 3208
数据集格式：Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件，仅仅包含jpg图片和对应的xml)[数据集介绍][目标检测]河道垃圾水面漂浮物数据集VOC格式1304张_哔哩哔哩_bilibili。重要说明：主要是河道内的垃圾，数据集来自30多段视频的图片。图片数量(jpg文件个数)：1304。标注数量(xml文件个数)：1304。标注类别名称:["trash"]使用标注工具：labelImg。标注规则：对类别进行画矩形框。
深度学习水面漂浮物数据集(2分类)
03-25
本数据集为睡眠漂浮物2分类的数据集，及检测有没有漂浮物垃圾。
水面垃圾数据集（Lyh一颗大荔枝毕设）.zip
09-10
包括图片和标注（xml文件和txt文件）
水面目标检测数据集.zip
06-01
水面目标检测数据集.zip 水面帆船、水面游艇、水面舰船、水面鸟类、水面鱼类、水面以及岸边人类活动等图片，每类数据大约900-1000张左右，用于模型的训练与监测。
基于深度学习pytorch框架下的yolov5的水面漂浮物检测和识别研究.Zip
05-26
水面垃圾数据集资源： 1.文件包括：数据增强制作的数据，自建的数据，网上的数据集和未开源的数据集，提取其中几千张图像，利用数据标注得到yolo和VOC格式的Label文件； 2.处理数据集test、train和val数据的python文件； 3.不同格式的数据集，包括源训练数据和标注好的label文件。 适用于研究目标检测和分割，应用场景为水面漂浮和垃圾检测的人群，可以结合机器人和硬件设施配套使用，将软件和硬件结合。 除了yolo之外，还适用于maskrcnn，Fast以及FasterRCNN等等模型，需要自行改代码进行匹配和数据集的加载。
数据集VOC格式目标检测数据集脚手架数据集-1322张
02-19
数据集格式：Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：1322 标注数量(xml文件个数)：1322 标注类别数：1 标注类别名称:["jsj"] 每个类别标注的框数： jsj count = 1341 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
水面漂浮物目标检测模型+已训练目标检测模型+yolo系列+.pt+水面漂浮物目标检测数据集
03-19
水面漂浮物目标检测模型 已训练完成的模型，可直接使用，不需再进行训练 yolo系列目标检测 水面漂浮物目标检测数据集也可提供
YOLOv8水面漂浮塑料瓶检测+训练好的水面航道漂浮塑料瓶垃圾目标检测模型+塑料瓶垃圾数据集
02-19
1、YOLOv8水面漂浮塑料瓶垃圾检测+训练好的水面航道漂浮塑料瓶垃圾目标检测模型+塑料瓶垃圾数据集；YOLO水面航道漂浮塑料瓶垃圾目标检测+6水面航道漂浮塑料瓶垃圾目标检测模型+数据集；YOLO水面航道漂浮塑料瓶垃圾...
水面污水检测目标检测模型+已训练目标检测模型+yolo系列+.pt+水面污水检测目标检测数据集
03-19
水面污水目标检测模型 已训练完成的模型，可直接使用，不需再进行训练 yolo系列目标检测 水面污水目标检测数据集也可提供
捕鱼+捕鱼船目标检测模型+已训练目标检测模型+yolo系列+.pt+捕鱼船目标检测数据集
03-19
捕鱼+捕鱼船目标检测模型 已训练完成的模型，可直接使用，不需再进行训练 yolo系列目标检测 捕鱼船目标检测数据集也可提供
岸边钓鱼目标检测+yolo系列
07-31
岸边钓鱼目标检测是基于YOLO系列算法的一种应用。YOLO（You Only Look Once）系列是目标检测领域的一种深度学习算法，其特点是快速高效地实现实时目标检测。岸边钓鱼目标检测就是利用YOLO算法对岸边钓鱼的场景进行目标检测，准确地识别出岸边钓鱼的相关目标。 岸边钓鱼的目标检测使用YOLO算法的主要步骤包括数据收集和标注、模型训练和测试，以及目标检测结果分析。 首先，数据收集和标注阶段需要收集大量的岸边钓鱼场景的图像或视频数据，并对这些数据进行标注，标注出图像中的钓鱼目标位置和类别信息，形成有标注的数据集。 然后，在模型训练和测试阶段，使用有标注的数据集对YOLO系列算法进行训练，通过学习数据集中的样本，YOLO算法能够自动地学习钓鱼目标的特征和模式，提高目标检测的准确性。在模型训练完成后，使用测试数据对模型进行评估，检查模型在未见过的数据上的表现，以及调整模型参数以提升目标检测的性能。 最后，对目标检测结果进行分析和改进。根据目标检测结果，可以评估模型的性能以及检测算法的准确性和效率。如果有检测结果不准确的情况，可以通过调整算法参数、增加训练数据量等方式进行改进，提高钓鱼目标检测的准确率和实时性。 总而言之，岸边钓鱼目标检测基于YOLO系列算法实现，通过数据收集、模型训练和测试以及结果分析等步骤，能够快速、高效地准确检测出岸边钓鱼场景中的目标，为钓鱼爱好者和相关研究者提供有力的支持和帮助。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 21
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

睡不醒．

创作不易，我想喝一杯卡布奇诺~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值