无人机检测数据集，这个数据集包含了4000多张业余无人机的图像。(无人机)
无人机检测数据集，这个数据集包含了4000多张业余无人机的图像。(无人机)
无人机检测数据集，这个数据集包含了4000多张业余无人机的图像。(无人机)
2022-12-29 11:28:34
157.43MB
无人机检测数据集，此数据集包含1962张无人机的.jpg图像，用于图像分类(或任何您认为合适的)。
无人机检测数据集，此数据集包含1962张无人机的.jpg图像，用于图像分类(或任何您认为合适的)。
无人机检测数据集，此数据集包含1962张无人机的.jpg图像，用于图像分类(或任何您认为合适的)。
2022-12-29 11:28:33
249.21MB
无人机检测数据集（多旋翼），有1359张照片，都有标签。有“。txt”和“。xml”文件来训练Darknet(yolo)， Tensorflow和PyTorch模型。
无人机检测数据集（多旋翼），有1359张照片，都有标签。有“。txt”和“。xml”文件来训练Darknet(yolo)， Tensorflow和PyTorch模型。
2022-12-29 11:28:33
715.87MB
1、手提袋检测数据集，从COCO2017数据集中提取得到，并分别转成了VOC和YOLO格式，即txt和xml两种格式的标签，可用于YOLO手提袋检测；共有两部分，这里是第二部分数据
2、目标类别名：handbag；
3、数量：7133；
4、https://blog.csdn.net/weixin_51154380/article/details/12448087
2022-12-29 09:30:26
395.33MB
作物叶片疾病检测数据集，苹果、玉米、葡萄、土豆和番茄五种作物的健康和患病图像，共包含31397张图像。将5种作物的图像分为25类。在这25个类中，20个类包含患病图像，5个类包含健康图像。对每个图像生成分割图像和灰度图像，然后将数据集分为彩色图像、灰度图像和分割图像三个部分。总体而言，该数据集总共包含94,191张图像。
2022-12-27 09:30:05
874.17MB
1、汽车检测数据集，从COCO2017数据集中提取得到，并分别转成了txt和xml两种格式的标签，可用于YOLO汽车检测；共有两部分，这里是第一部分数据
2、目标类别名：car；
3、数量：5115
4、https://blog.csdn.net/weixin_51154380/article/details/12448087
2022-12-26 19:31:38
852.82MB
1、汽车检测数据集，从COCO2017数据集中提取得到，并分别转成了VOC和YOLO格式，即txt和xml两种格式的标签，可用于YOLO汽车检测；共有两部分，这里是第二部分数据
2、目标类别名：car；
3、数量：4886
4、https://blog.csdn.net/weixin_51154380/article/details/12448087
2022-12-26 19:31:37
812.85MB
1、卡车检测数据集，从COCO2017数据集中提取得到，并分别转成了VOC和YOLO格式，即txt和xml两种格式的标签，可用于YOLO卡车检测；共有两部分，这里是第二部分数据
2、目标类别名：truck；
3、数量：6377
4、https://blog.csdn.net/weixin_51154380/article/details/12448087
2022-12-26 19:31:37
354.62MB
1、凳子检测数据集，从COCO2017数据集中提取得到，并分别转成了VOC和YOLO格式，即txt和xml两种格式的标签，可用于YOLO凳子检测；共有两部分，这里是第二部分数据
2、目标类别名：bench；
3、数量：5775
4、https://blog.csdn.net/weixin_51154380/article/details/12448087
2022-12-26 19:31:36
347.6MB