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)：1169标注数量(xml文件个数)：1169标注数量(txt文件个数)：1169标注类别数：1标注类别名称:["kugua"]数据集编号：mbd.pub/o/bread/Zp6ZlJtt每个类别标注的框数：kugua
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)：702标注数量(xml文件个数)：702标注数量(txt文件个数)：702标注类别数：12标注类别名称:["car","cow","dog","drowning-car","drowning-person","goat
重要说明：数据集2/3是增强的图片，只有1100张左右是原图，请认真观看图片预览确认符合要求再下载数据集格式：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)：3319标注数量(xml文件个数)：3319标注数量(txt文件个数)：3319标注类别数：5标注类别名称:["cumu
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)：602标注数量(xml文件个数)：602标注数量(txt文件个数)：602标注类别数：18标注类别名称:["apple","chocolate","cloth","cononut_water","detergent",
【算法介绍】基于YOLOv5的牙齿健康状态检测系统是一种利用深度学习算法进行牙齿健康状态检测的技术。该系统采用YOLOv5目标检测模型，通过训练数据集，实现对牙齿目标的高精度检测识别。用户可以通过图片、视频或摄像头等方式输入牙齿图像，系统能够自动进行目标检测，并可视化展示检测结果。该系统具有多种功能，包括牙齿训练模型的导入与初始化、置信分与IOU阈值的调节、图像/视频/摄像头的上传与检测、可视化结
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)：2792标注数量(xml文件个数)：2792标注数量(txt文件个数)：2792标注类别数：3标注类别名称:["decaycavity","earlydecay","healthytooth"]三种主要类别，分别是“d
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)：215标注数量(xml文件个数)：215标注数量(txt文件个数)：215数据集编号：mbd.pub/o/bread/Zp6Zkppt标注类别数：1标注类别名称:["sat_dish"]每个类别标注的框数：sat_di
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)：4662标注数量(xml文件个数)：4662标注数量(txt文件个数)：4662标注类别数：7标注类别名称:["Crossing_Violation","Crosswalk_Violation","Helmet_Vio
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)：1163标注数量(xml文件个数)：1163标注数量(txt文件个数)：1163标注类别数：2数据集编号：mbd.pub/o/bread/Zp6Ym55w标注类别名称:["green_buoy","red_buoy"]
【算法介绍】基于YOLOv8的流水线水泥袋检测系统是一种利用先进的人工智能技术进行自动化检测的系统。该系统通过部署YOLOv8目标检测模型，实现了对流水线中水泥袋的高效、准确检测。YOLOv8作为目标检测领域的佼佼者，以其出色的速度和精度赢得了广泛的关注。该系统能够实时分析流水线上的图像数据，快速准确地识别出水泥袋的位置和数量。通过训练和优化，YOLOv8模型能够适应不同的光照条件、拍摄角度和背景
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)：1787标注数量(xml文件个数)：1787标注数量(txt文件个数)：1787标注类别数：1数据集编号：mbd.pub/o/bread/Zp6Ym51t标注类别名称:["Cement-bag"]每个类别标注的框数：C
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)：1268标注数量(xml文件个数)：1268标注数量(txt文件个数)：1268数据集编号：mbd.pub/o/bread/Zp6Ym51r标注类别数：4标注类别名称:["bolang","fengxi","wuzi"
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)：14659标注数量(xml文件个数)：14659标注数量(txt文件个数)：14659标注类别数：30数据集编号：mbd.pub/o/bread/Zp6Ympht标注类别名称:[“alcohol”,“alcohol_g
【算法介绍】基于YOLOv8的鸡粪疾病诊断检测系统是一种创新性的技术应用，旨在通过图像分析实现对鸡粪中疾病的快速、准确诊断。YOLOv8，即“You Only Look Once version 8”，是目前最先进的目标检测模型之一，以其高精度和高速度著称。该系统利用YOLOv8模型的尖端技术，能够识别和分析鸡粪中的关键特征，从而判断鸡只是否存在某些特定疾病。通过对鸡粪的图像进行网格划分，每个网格
重要说明：数据集存在增强情况请认真看图片预览，确认符合要求再下载数据集格式：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)：15589标注数量(xml文件个数)：15589标注数量(txt文件个数)：15589标注类别数：4数据集编号：mbd.pub/o/bread/Zp6Yl
【算法介绍】基于YOLOv8的X光图口腔结构检测系统是采用YOLOv8目标检测算法，针对X光图像中的口腔结构进行自动化识别和检测的系统。以下是对该系统的简要介绍：该系统利用了YOLOv8算法的高精度和实时处理能力，能够在X光图像中快速准确地检测出会厌（Epiglottis）、硬腭（Hard-palate）、下唇（Lower-lip）、软腭（Soft-palate）、舌头（Tongue）和上唇（Up
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)：2297标注数量(xml文件个数)：2297标注数量(txt文件个数)：2297标注类别数：6标注类别名称:["Epiglottis","Hard-palate","Lower-lip","Soft-palate","
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)：5997标注数量(xml文件个数)：5997标注数量(txt文件个数)：5997标注类别数：5数据集编号：mbd.pub/o/bread/Zp6YlJtu标注类别名称:["belly","fight","play","
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)：20097标注数量(xml文件个数)：20097标注数量(txt文件个数)：20097标注类别数：1标注类别名称:["safe_hat"]每个类别标注的框数：safe_hat 框数 = 25637总框数：25637使用
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)：989标注数量(xml文件个数)：989标注数量(txt文件个数)：989数据集编号：mbd.pub/o/bread/Zp6Yk5pv标注类别数：2标注类别名称:["car","truck"]每个类别标注的框数：car
【算法介绍】基于YOLOv8的30种农作物检测系统是一个集成了先进深度学习技术的智能农业解决方案。该系统利用YOLOv8算法的高效性和准确性，实现了对30种不同农作物的高精度实时检测。该系统通过训练大量标注好的农作物图像数据集，使模型能够学习到各种农作物的特征，进而在实际应用中准确识别和分类农作物。无论是通过图片、视频还是摄像头输入，系统都能快速响应，给出农作物的种类、位置以及置信度等信息。除了基
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数据集编号：mbd.pub/o/bread/Zp6XmJdt图片数量(jpg文件个数)：829分类类别数：30类别名称:["almond","banana","cardamom","cherry","chilli","clove","coconut","coffee-plant","c
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数据集编号：mbd.pub/o/bread/mbd-Zp6Xl5xv图片数量(jpg文件个数)：6400分类类别数：8类别名称:["anthracnose","bacterial_wilt","belly_rot","downy_mildew","fresh_cucumber","fr
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)：5790标注数量(xml文件个数)：5790标注数量(txt文件个数)：5790标注类别数：16数据集编号：mbd.pub/o/bread/mbd-Zp6XlZ5v标注类别名称:["Boiled_Fish_with_S
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数据集编号：mbd.pub/o/bread/Zp6XlZtv图片数量(jpg文件个数)：10285分类类别数：8类别名称:["chashugu","dongguawanzi","fanqiechaojidan","guobaorou","hongshaodaiyu","juanxinc
在嵌入式aarch64平台上，TensorFlow的wheel（whl）文件是专门为该架构设计和编译的二进制安装包。TensorFlow是一个开源的机器学习框架，支持异构设备分布式计算，可在从嵌入式到大型服务器的各种不同平台上运行。针对aarch64架构的嵌入式设备，TensorFlow的whl文件包含了所有必要的库和依赖项，这些库和依赖项已经过优化，以确保在该平台上能够高效运行。这些whl文件通
在嵌入式aarch64平台上，torch（PyTorch）和torchvision的wheel（whl）文件是专为该架构编译的二进制包，旨在简化安装过程并提升运行效率。PyTorch是一个开源的机器学习库，以其动态计算图特性和灵活性而广受好评。torchvision则是PyTorch的一个扩展库，专注于计算机视觉任务，提供了丰富的数据集、预训练模型和图像处理工具。针对嵌入式aarch64平台，Py
在树莓派（Raspberry Pi）的armv7l架构上，TensorFlow的wheel（whl）文件是专为该设备编译的二进制安装包。这些文件使得用户能够轻松地在树莓派上安装和运行TensorFlow，而无需从头编译源代码。TensorFlow是一个开源的机器学习框架，广泛应用于各种深度学习任务。针对armv7l架构的树莓派，TensorFlow的whl文件已经预先编译好，包含了优化过的代码，以
在树莓派（Raspberry Pi）的armv7l架构上，torch（PyTorch）和torchvision的wheel（whl）文件是专为该设备编译的二进制包。这些文件使得用户能够在树莓派上轻松安装和运行PyTorch及其视觉处理库torchvision，而无需从头编译源代码。PyTorch是一个广泛使用的开源机器学习库，支持动态计算图，非常适合研究和原型开发。torchvision则是为Py
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)：578标注数量(xml文件个数)：578标注数量(txt文件个数)：578标注类别数：1标注类别名称:["xy"]每个类别标注的框数：xy 框数 = 607总框数：607使用标注工具：labelImg标注规则：对类别进
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号
![[数据集][目标检测]苦瓜检测数据集VOC+YOLO格式1169张1类别](https://s2.51cto.com/images/blog/202410/31161600_67233cc0eab9861989.png?x-oss-process=image/resize,m_fixed,w_116,h_70/ignore-error,1)
![[数据集][目标检测]洪水灾害场景车辆行人淹水检测数据集VOC+YOLO格式702张12类别](https://s2.51cto.com/images/blog/202410/31144610_672327b24fce17590.png?x-oss-process=image/resize,m_fixed,w_116,h_70/ignore-error,1)
![[数据集][目标检测]云层类型检测数据集VOC+YOLO格式3319张5类别](https://s2.51cto.com/images/blog/202410/31144545_67232799d73aa68719.png?x-oss-process=image/resize,m_fixed,w_116,h_70/ignore-error,1)
![[数据集][目标检测]厨房食品佐料检测数据集VOC+YOLO格式602张18类别](https://s2.51cto.com/images/blog/202410/31144511_67232777cae0c824.png?x-oss-process=image/resize,m_fixed,w_116,h_70/ignore-error,1)
![[数据集][目标检测]牙齿健康状态检测数据集VOC+YOLO格式2792张3类别](https://s2.51cto.com/images/blog/202410/31114544_6722fd681927351238.png?x-oss-process=image/resize,m_fixed,w_116,h_70/ignore-error,1)
![[数据集][目标检测]遥感图雷达天线检测数据集VOC+YOLO格式215张1类别](https://s2.51cto.com/images/blog/202410/31105638_6722f1e600a7c76149.png?x-oss-process=image/resize,m_fixed,w_116,h_70/ignore-error,1)
![[数据集][目标检测]智慧城市-交通违规行为检测数据集VOC+YOLO格式4662张7类别](https://s2.51cto.com/images/blog/202410/31093532_6722dee40321b62179.png?x-oss-process=image/resize,m_fixed,w_116,h_70/ignore-error,1)
![[数据集][目标检测]水上浮标检测数据集VOC+YOLO格式1163张2类别](https://s2.51cto.com/images/blog/202410/31091420_6722d9ec32b5b9669.png?x-oss-process=image/resize,m_fixed,w_116,h_70/ignore-error,1)
![[数据集][目标检测]智慧工厂流水线水泥袋检测数据集VOC+YOLO格式1787张1类别](https://s2.51cto.com/images/blog/202410/31082950_6722cf7e1d9cc43542.png?x-oss-process=image/resize,m_fixed,w_116,h_70/ignore-error,1)
![[数据集][目标检测]座椅缺陷检测数据集VOC+YOLO格式1268张4类别](https://s2.51cto.com/images/blog/202410/31082920_6722cf60b47db52007.png?x-oss-process=image/resize,m_fixed,w_116,h_70/ignore-error,1)
![[数据集][目标检测]鸡粪疾病检测数据集VOC+YOLO格式15589张4类别](https://s2.51cto.com/images/blog/202410/30204324_672229ecc042583113.png?x-oss-process=image/resize,m_fixed,w_116,h_70/ignore-error,1)
![[数据集][目标检测]猫行为检测数据集VOC+YOLO格式5997张5类别](https://s2.51cto.com/images/blog/202410/30144317_6721d585b185f24836.png?x-oss-process=image/resize,m_fixed,w_116,h_70/ignore-error,1)
![[数据集][目标检测]智慧工地矿区安全帽检测数据集VOC+YOLO格式20097张1类别](https://s2.51cto.com/images/blog/202410/30111942_6721a5ce38ca231414.png?x-oss-process=image/resize,m_fixed,w_116,h_70/ignore-error,1)
![[数据集][图像分类]智慧厨房菜品识别分类数据集10285张8类别](https://s2.51cto.com/images/blog/202410/28193750_671f778e7c87610397.png?x-oss-process=image/resize,m_fixed,w_116,h_70/ignore-error,1)
