进行苹果、香蕉、橙子的水果识别用于yolov数据集仅训练数据集和测试训练集加一起一共1000张图片，大部分的图片背景为白色，有少部分的背景干扰，有需要的可以下载测试。

不需要用python下载资源重新编译，已经帮你直接编译好了，下载就是exe文件，直接双击运行。人工智能常用的数据标注工具，简单强大，简单好用

用于做格式转换的demo数据，可以支持目标检测模型的训练与测试

自动标注工具（适用于yolo系列所有数据集）

监控实拍 手工标注 可直接训练

细胞图像数据，可用于U-net语义分割训练。

yolov7训练只支持txt格式，自己添加了json标注格式解析和支持。

Oxford-IIIT数据集，一个宠物图像数据集，包含37中宠物，每种200左右照片，同时包含分类、头部轮廓标注和语义分割信息。 Oxford-IIIT数据集，一个宠物图像数据集，包含37中宠物，每种200左右照片，同时包含分类、头部轮廓标注和语义分割信息。 Oxford-IIIT数据集，一个宠物图像数据集，包含37中宠物，每种200左右照片，同时包含分类、头部轮廓标注和语义分割信息。 Oxford-IIIT数据集，一个宠物图像数据集，包含37中宠物，每种200左右照片，同时包含分类、头部轮廓标注和语义分割信息。 Oxford-IIIT数据集，一个宠物图像数据集，包含37中宠物，每种200左右照片，同时包含分类、头部轮廓标注和语义分割信息。 Oxford-IIIT数据集，一个宠物图像数据集，包含37中宠物，每种200左右照片，同时包含分类、头部轮廓标注和语义分割信息。 Oxford-IIIT数据集，一个宠物图像数据集，包含37中宠物，每种200左右照片，同时包含分类、头部轮廓标注和语义分割信息。

人民日报统计出来的用于自然语言处理的中文词典

我国作为世界上最大的葡萄生产国和消费国,葡萄产业已经成为很多地方脱贫致富的支柱产业,但是葡萄病害影响葡萄品质和果实产量,因此快速而精准地识别葡萄病害类型及病害程度是增产增收的重要保障。数据集收集自plant_village，在其基础上用voc格式进行标注，葡萄叶片病害数据集，可用于目标检测，使用数据增强技术完成对搜集的病害样本图片进行扩充,建立了葡萄病害叶片的数据集。传统的依靠人工进行病害识别、诊断并进行决策的生产方式效率低下且劳动成本高昂,迫切需要实现病害的智能化诊断。作为信息技术的核心之一,人工智能技术为实现农业信息化和智能化提供了重要支撑,随着深度学习技术的快速发展,农业领域中的农作物病虫害识别、检测、分割与计数等研究均取得了一定的进展,对实现病虫害的精准防治、减少经济损失及生物育种等具有重要意义。