垃圾分类数据集和tf代码+8G数据集

垃圾分类数据集 含：xml、txt格式（图片和标注各1377张） 标注类别： paper products（纸制品，任何纸盒子和报纸） plastics：（塑料类：饮料瓶、塑料袋、塑料泡沫等） glass（玻璃类：玻璃瓶、白炽灯泡、碎玻璃、其他玻璃制品。） metals（金属罐（如易拉罐）、金属盒、其他金属制品） kitchen waste（厨余垃圾：食物，水果，鲜花） WPD这个用大写（未破带：凡是用垃圾袋装着其他垃圾的都标WPD，这个不用标plastics） cloth（布料，布袋子，衣服，布制品）

分为四类，可回收垃圾、厨余垃圾、有害垃圾、其他垃圾

垃圾分类数据集。。。。。。。。。。。。。。

本项目将采用深度学习的方法，搭建一个垃圾分类识别的训练和测试系统，实现智能化垃圾分类。目前，基于ResNet18的垃圾分类识别，在垃圾数据集dataset2，训练集的Accuracy在94%左右，测试集的Accuracy在92%左右。支持常用的分类模型，如resnet18,resnet50,mobilenet_v2,googlenet等 原文地址《垃圾分类数据集+垃圾分类识别训练代码(Pytorch)》：https://panjinquan.blog.csdn.net/article/details/126419147

垃圾分类数据集.zip

yolov5垃圾分类数据集三千张（已标注）

垃圾分类数据集及代码，智能垃圾分类赛道。使用PyQt5进行界面设计，做了数据集并进行测试，使用神经网络进行图像识别处理。测试时识别准确率为百分百。垃圾分类数据集及代码，智能垃圾分类赛道。使用PyQt5进行界面设计，做了数据集并进行测试，使用神经网络进行图像识别处理。测试时识别准确率为百分百。垃圾分类数据集及代码，智能垃圾分类赛道。使用PyQt5进行界面设计，做了数据集并进行测试，使用神经网络进行图像识别处理。测试时识别准确率为百分百。垃圾分类数据集及代码，智能垃圾分类赛道。使用PyQt5进行界面设计，做了数据集并进行测试，使用神经网络进行图像识别处理。测试时识别准确率为百分百。垃圾分类数据集及代码，智能垃圾分类赛道。使用PyQt5进行界面设计，做了数据集并进行测试，使用神经网络进行图像识别处理。测试时识别准确率为百分百。垃圾分类数据集及代码，智能垃圾分类赛道。使用PyQt5进行界面设计，做了数据集并进行测试，使用神经网络进行图像识别处理。测试时识别准确率为百分百。垃圾分类数据集及代码，智能垃圾分类赛道。使用PyQt5进行界面设计，做了数据集并进行测试，使用神经网络进行图像识别处理。测

垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片275个类垃圾分类数据集和tf代码-10w张图片2

本数据集总共涵盖了18848张图片，其中训练数据图片14683张，测试数据图片4165张，图片均带有标签。 总共分为4个大类40个小类，每类均有200+以上图片。 内赠博主训练好的模型(采用此数据集训练)gab.ms文件，是采用残差神经网络进行训练，准确率稳定在95%以上。 模型导入建议，将.ms文件置于resources/rawfile目录下(DevEco stduio)或者main/assets/model目录下(Android studio) 我是采用cmake将模型编译成so库后进行第三方so库导入到app里面的(没错，就是在Android生成so库，再导入到harmony应用来的，T_T) 有任何问题欢迎私信我哦^_^