输电线路电力金具数据集(2k多张图像，含标签)

mnist数据集是深度学习常用的数据集 可以用于学习深度学习框架TensorFlow2

该程序中有3个python函数方法，分别用来实现保存数据集图片的路径到txt文件，读取txt文件，划分训练集与验证集并保存到txt文件。非常适合深度学习模型训练之前，划分数据集所用。

做图像分类其他垃圾的数据集。

代码包括遥感影像的单图裁剪、批量裁剪；训练集、验证集和测试集的切分；目标检测和语义分割影像的数据增强；32/16位深度转8位深度。 1、主要用于深度学习领域的遥感影像数据处理，主要针对输入数据为tif，转为jpg、png格式，并将数据裁剪为网络可以训练的大小，可以手动调节裁剪步长（即有重叠或无重叠），可以对单张图像进行裁剪，也可对文件夹内的所有图片进行裁剪。 2、可以根据想要划分的训练集、验证集和测试集的比例进行划分，如9:1:1. 3、本代码还提供了用于目标检测和语义分割任务的数据的增强，主要包括仿射变换、平移翻转等。 4、此外，代码还针对遥感影像位深度32或者16的转为8位的操作。 本代码可修改性强，为方便理解，每部分代码都进行的标注。本文件共包含10个python文件。

来自这个up主 [哔哩哔哩链接](https://www.bilibili.com/video/BV1kR4y1T766?spm_id_from=333.337.search-card.all.click&vd_source=3eb1e94bec3243e1dc7fb196cc3df9b1) [他的github链接](https://github.com/Fafa-DL/Image-Augmentation)

5个积分就行了

压缩包内提供百度网盘下载链接，永不过期！ 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。

CAN总线脱敏数据集，包含韩国HCLR实验室所用的Car Hacking和Road两个数据集，包含的攻击模式有Fuzzy/Ddos/Spoofing等。可直接拿来做异常检测。基于该数据集的论文有Song, Hyun Min, Jiyoung Woo, and Huy Kang Kim. "In-vehicle network intrusion detection using deep convolutional neural network." Vehicular Communications 21 (2020): 100198.等，Road数据集和Car-hacking类似，但攻击种类更丰富

数据集为 txt格式，对数据集进行了严格的标记，也对数据集图片进行 统一格式的命名，方便做消融实验。 更适用于分类 目标检测部分效果不错的权重文件 在本资源的赠送部分：权重大小不到4MB 运行环境：yolov5(6.0) 权重文件说明： 格式pt yolov5 去detect.py中 替换掉 原有权重文件地址 权重文件：1. yolo-s 2. yolo-n 都带有训练结束的数据展示 特别送上： 一个检测效果不错的轻量化 手势识别权重文件，拿到即用 文件名为 “最终训练”