我这个数据集跟以前的Rain100L的数据集不太一样,之前的数据集只有100张,我在他的基础上进行了上下翻转、左右翻转等翻转操作,将图像数量进行了扩充,有雨图像和无雨图像各400张,而且还分成了训练集和测试集
2022-12-25 15:27:17 220.8MB 数据集 图像去雨 小雨
1
羊驼与非羊驼分类数据集(羊驼142、非羊驼185张),JPEG图像(小体量)数据集用于将图像分类为“羊驼”和“非羊驼” 羊驼与非羊驼分类数据集(羊驼142、非羊驼185张),JPEG图像(小体量)数据集用于将图像分类为“羊驼”和“非羊驼”
2022-12-23 15:28:19 116.24MB 羊驼 分类 数据集 图像
一个开心果数据集,包含6个视频和423个标记图像,第一部分包括423张真实的图片。我们把开心果分成两类开口型和闭口型。图像的基本真相是一个CSV文件,由图像中两类开心果的边界框组成。每张图片中有1到27个开心果,总共3927个。第二部分包括6个视频,总时长167秒,561个滚动的开心果。
2022-12-23 15:28:15 551.43MB 开心果 数据集 图像
中等大小的奶牛肿块病数据集,每类图像约500张。健康的牛和有块状病毒病的牛的图片。这两个不同的文件分别包含大约500张图片,可以使用数据增强进一步增强和有效的结果。使用该数据集,CNN模型可用于预测任何类型的牛(或牛)中是否存在疾病。 中等大小的奶牛肿块病数据集,每类图像约500张。健康的牛和有块状病毒病的牛的图片。这两个不同的文件分别包含大约500张图片,可以使用数据增强进一步增强和有效的结果。使用该数据集,CNN模型可用于预测任何类型的牛(或牛)中是否存在疾病。
2022-12-23 15:27:51 9.18MB 奶牛 肿块 数据集 图像
轮胎充气是否充足检测图像数据集,本数据集由OpenMV Cam H7 Plus捕获的图像组成。它包括900张标有“满”、“平”或“无轮胎”的240x240灰度图像。这些图像是从移动的角度和距离,以及多个轮胎旋转角度拍摄的。
2022-12-18 18:29:14 5.97MB 深度学习 轮胎 数据集 图像
木瓜成熟度图像识别数据集,实验共使用了57种水果的130个样本。这些果实可分为三个成熟期(EM1、EM2和EM3)。有些图像有多个采集,拥有多个图像。 木瓜成熟度图像识别数据集,实验共使用了57种水果的130个样本。这些果实可分为三个成熟期(EM1、EM2和EM3)。有些图像有多个采集,拥有多个图像。
2022-12-18 18:29:00 210.43MB 木瓜 深度学习 数据集 图像
皮肤肿瘤数据集,该数据集由2357张恶性和良性肿瘤疾病的图像组成,这些图像来自国际皮肤成像合作组织(ISIC)。所有的图像都按照ISIC的分类进行排序,除黑色素瘤和痣的图像略占优势外,所有子集的图像都被分成相同数量的图像
2022-12-18 18:28:54 785.63MB 皮肤 肿瘤 数据集 图像
面部表情比较图像数据集,每个注释都是集合{1,2,3}中的一个整数。值为1意味着与第一张脸的表情相比,三元组中第二张和第三张脸的表情在视觉上更相似。值为2意味着与第二张脸的表情相比,三元组中第一张和第三张脸的表情在视觉上更相似。值为3意味着与第三张脸的表情相比,三元组中第一张和第二张脸的表情在视觉上更相似。
2022-12-16 11:25:46 89.09MB 表情 面部 数据集 图像
37个类的图像识别数据集,图像的大小被调整为224x224,目标标签的范围从原来的1-37移动到0-36。数据被分成train和测试文件集 37个类的图像识别数据集,图像的大小被调整为224x224,目标标签的范围从原来的1-37移动到0-36。数据被分成train和测试文件集
2022-12-08 11:28:28 169.87MB 数据集 图像 识别 深度学习
基于Intel RealSense SDK 2.0。 测试Intel RealSense D400系列设备(深度相机),包括Intel RealSense深度相机D435i, D435, D415 可获取以下数据: (1)color image,2D彩色图像 (2)点云 xyz (3)texture image,点云纹理彩色图像,与点云xyz(或者说深度图像)是对齐的 (4)点云 xyzrgb,将2和3组合得到 (5)ir left image,左侧ir灰度图像 (6)ir right image,右侧ir灰度图像
2022-11-29 14:31:21 23.47MB IntelRealSense 3D点云数据 2D图像 c++源码