- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
MNIST数据集 & CIFAR10数据集
MNIST数据集 MNIST数据集是分类任务中最简单、最常用的数据集。 人为的手写了0-9数字的图片 MNIST大概有7w张 MNIST数据值都是灰度图，所以图像的通道数只有一个 因为MNIST数据集是专门为深度学习来的，所以其数据集格式和我们常见的很不一样 ，但是在Pytorch/Tensorflow中有函数可以很容易的读取，如果用普通Python来读取则不是那么容易 CIFAR10数据集 http://www.cs.toronto.edu/~ kriz/cifar.html CIFAR10数据集比MNIST要复杂一些. CIFAR10是真实数据集，MNIST是人为构建的 CIFAR10是32*32的 有CIFAR-10和CIFAR-100 CIFAR-10图片的10种类别，每一类大概有6000张 一共6w
1.1K10编辑于 2022-09-10 芒果害虫检测数据集VOC+YOLO格式3575张10类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：3575 标注数量 (xml文件个数)：3575 标注数量(txt文件个数)：3575 标注类别数：10 标注类别名称:[“Weevil”,“beetle”,“grasshopper”,“mango_hopper”, 标注规则：对类别进行画矩形框 重要说明：names: [‘甲虫’, ‘蝗虫’, ‘芒果料斗’, ‘芒果粉蚧’, ‘飞蛾’, ‘锯蝇’, ‘鼻涕虫’, ‘钻心虫’, ‘黄蜂’, ‘象鼻虫’] 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理标注 图标示例： 标注示例： 下载地址：https://download.csdn.net/download/FL1623863129/89387442
24700编辑于 2025-07-20木材缺陷检测数据集VOC+YOLO格式8961张10类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：8961 标注数量 (xml文件个数)：8961 标注数量(txt文件个数)：8961 标注类别数：10 标注类别名称:["Blue stain","Crack","Dead knot","Knot missing","Knot Overgrown 框数 = 3 Quartzity 框数 = 1293 Resin 框数 = 3892 总框数：51725 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理标注 图片预览： 标注例子：
40410编辑于 2025-07-16胸部解剖检测数据集VOC+YOLO格式100张10类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：100 标注数量 (xml文件个数)：100 标注数量(txt文件个数)：100 标注类别数：10 标注类别名称:[“carina”,“clavicle_left”,“clavicle_right”,“gastric_bubble gastric_bubble 21 5 heart 89 6 humeral_head_left 82 7 humeral_head_right 85 8 lung_left 100 9 lung_right 101 10 trachea 72 总计 10 790 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
12910编辑于 2025-07-21手写数字检测数据集VOC+YOLO格式5013张10类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：5013 标注数量 (xml文件个数)：5013 标注数量(txt文件个数)：5013 标注类别数：10 数据集编号：mbd.pub/o/bread/Zp6ZlJxt 标注类别名称:["0","1","2","3" 440 7 框数 = 519 8 框数 = 717 9 框数 = 1246 总框数：6633 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理标注 图片预览： 标注例子：
38610编辑于 2025-07-16木材缺陷检测数据集VOC+YOLO格式2383张10类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：2383 标注数量 (xml文件个数)：2383 标注数量(txt文件个数)：2383 标注类别数：10 标注类别名称:["Blue_stain","Crack","Death_know","Knot_missing = 302 overgrown 框数 = 6 resin 框数 = 521 总框数：6027 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理标注 图片总览： 标注例子： 下载地址：https://download.csdn.net/download/FL1623863129/89656251
31710编辑于 2025-07-21印刷数字检测数据集VOC+YOLO格式1884张10类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：1884 标注数量 (xml文件个数)：1884 标注数量(txt文件个数)：1884 标注类别数：10 标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["0"," 953 6 框数 = 727 7 框数 = 735 8 框数 = 927 9 框数 = 834 总框数：8793 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理标注 图片预览： 标注例子：
40010编辑于 2025-07-17室内家具检测数据集VOC+YOLO格式7928张10类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：7928 标注数量 (xml文件个数)：7928 标注数量(txt文件个数)：7928 标注类别数：10 标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["Bed" 框数 = 1287 Table 框数 = 1132 Wardrobe 框数 = 1013 总框数：11983 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理标注 图片预览： 标注例子：
29300编辑于 2025-07-16人头朝向检测数据集VOC+YOLO格式7970张10类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：7970 标注数量 (xml文件个数)：7970 标注数量(txt文件个数)：7970 标注类别数：10 标注类别名称:["Back","Front","FrontLeft","FrontRight","Laptop 框数 = 569 Phone 框数 = 611 Right 框数 = 945 总框数：8442 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理标注 图片预览： 标注例子： 数据集地址：download.csdn.net/download/2403_88102872/90060492
24100编辑于 2025-07-15- 来自专栏文鹃阁
pytorch-yolo训练自己的数据集
preface yolo 是一种目标检测算法，官方是基于 darknet 这种框架来训练的，darknet 是用 C 写的，有些硬核，所以我在 GitHub 上找到了人家用 pytorch 复现的 yolo ，这次就拿 pytorch 结合 yolo 来训练一下自己的目标检测数据集 待续 训练好了，用了 22 个小时
78720编辑于 2022-09-02 军事目标检测数据集VOC+YOLO格式9765张10类别
数据集中有部分增强，具体请看图片 数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg 文件个数)：9765 标注数量(xml文件个数)：9765 标注数量(txt文件个数)：9765 标注类别数：10 标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt 600 Sau 框数 = 249 Tank 框数 = 9489 Truck 框数 = 227 总框数：33678 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理标注 图片预览： 标注例子：
56410编辑于 2025-07-18工程车辆检测数据集VOC+YOLO格式1239张10类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：1239 标注数量 (xml文件个数)：1239 标注数量(txt文件个数)：1239 标注类别数：10 标注类别名称:["Bulldozer","ConcreteMixer","Crane","Excavator","Loader Roller 框数 = 62 StaticCrane 框数 = 492 Truck 框数 = 325 总框数：2369 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理标注 图片预览： 标注例子：
38900编辑于 2025-07-16yolo格式数据集转成coco格式数据集傻瓜式操作教程
yolo转coco格式一般需要自己写脚本转换，但是脚本一般都需设定参数，而且需要理解coco格式和yolo格式含义才能正常转换，这对于初学者来说是十分不方便的，为了解决转换困难的问题，本文介绍一个软件可以一键转换 训练验证集比例为0.9则测试集比例就是0.1，训练集比例是0.9表示训练集整体比例是0.9x0.9=0.81，剩余0.09就是验证集的了。 此外软件提供了检查yolo标注是否存在错误标注，详情请观看视频教程： yolo转coco格式工具视频教程_哔哩哔哩_bilibili这个是windows上使用的小工具，可以一键将yolo格式的数据集转成标准 coco格式数据集，转换的coco数据集可以用于yolox,paddledetection,detr,mmdetection,naodetplus等目标检测框架训练。 txt转coco数据集json格式工具教程 https://www.bilibili.com/video/BV15P411b7No/
93510编辑于 2025-07-20- 来自专栏全栈程序员必看
kitti数据集介绍_cifar10数据集下载
KITTI数据集下载及解析 W.P. calib文件 2.4 label文件 3 KITTI可视化 KITTI Dataset 1 简介 KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集 3D目标检测数据集由7481个训练图像和7518个测试图像以及相应的点云数据组成，包括总共80256个标记对象。 KITTI数据集下载官网 （不想爬梯子的朋友可移步我的CSDN博客：KITTI数据集下载（百度云）） 3D Object Detection经典论文整理【分类/下载/代码/笔记】 基于OpenPCDet 第16列（浮点数）：检测的置信度（score） 要特别注意的是，这个数据只在测试集的数据中有（待确认）。
2K20编辑于 2022-11-07 - 来自专栏YOLO大作战
YOLO11-seg分割：如何训练自己的数据集：包裹分割数据集
本文内容：如何训练包裹分割数据集，包装分割数据集（Package Segmentation Dataset）推动的包装分割对于优化物流、加强最后一英里配送、改进制造质量控制以及促进智能城市解决方案至关重要 Segmentation 官方在COCO数据集上做了更多测试： 2.数据集介绍 包裹分割数据集是一个精选的图片集合，专门为计算机视觉领域中与包裹分割相关的任务量身定制。 这个数据集旨在帮助研究人员、开发者和爱好者们进行与包裹识别、分类和处理相关的项目。 该数据集包含了一系列展示不同背景和环境下各种包裹的多样化图片，是训练和评估分割模型的宝贵资源。 数据集结构包装分割数据集的数据分布结构如下：训练集：包含 1920 幅图像及其相应的注释。测试集：由 89 幅图像组成，每幅图像都与各自的注释配对。 该数据集包含在不同地点、环境和密度下拍摄的各种图像。该数据集是开发该任务专用模型的综合资源。这个例子强调了数据集的多样性和复杂性，突出了高质量传感器数据对于涉及无人机的计算机视觉任务的重要性。
2.6K20编辑于 2024-12-14 农作物害虫检测数据集VOC+YOLO格式3575张10类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：3575 标注数量 (xml文件个数)：3575 标注数量(txt文件个数)：3575 标注类别数：10 标注类别名称:["bitichong","feie ","huangchong","huangfeng","jiachong 标注规则：对类别进行画矩形框 重要说明：害虫有['甲虫', '蝗虫', '芒果料斗', '芒果粉蚧', '飞蛾', '锯蝇', '鼻涕虫', '钻心虫', '黄蜂', '象鼻虫'] 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理标注 图片示例： 下载地址：https://download.csdn.net/download/FL1623863129/89262835
20110编辑于 2025-07-20道路缺陷裂缝坑洼检测数据集VOC+YOLO格式14569张10类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：14569 标注数量 (xml文件个数)：14569 标注数量(txt文件个数)：14569 标注类别数：10 标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["D00 ","D0w0","D01","D10","D11","D20","D40","D43","D44","D50"] 每个类别标注的框数： D00 框数 = 6592 D0w0 框数 = 1 D01 框数 = 179 D10 框数 = 4446 D11 框数 = 45 D20 框数 = 8381 D40 框数 = 5627 D43 框数 = 793 D44 框数 = 5057 D50 框数 = 3581 总框数：34702 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注 d00：纵向裂缝
29600编辑于 2025-07-17工程机械车辆检测数据集VOC+YOLO格式3189张10类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：3189 标注数量 (xml文件个数)：3189 标注数量(txt文件个数)：3189 标注类别数：10 标注类别名称:["Bulldozer","ConcreteMixer","Crane","Excavator" 184 StaticCrane 框数 = 1342 Truck 框数 = 655 总框数：5244 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理标注 图片总览： 标注例子： 下载地址： https://download.csdn.net/download/FL1623863129/89656255
28900编辑于 2025-07-21焊接件表面缺陷检测数据集VOC+YOLO格式2292张10类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：2292 标注数量 (xml文件个数)：2292 标注数量(txt文件个数)：2292 标注类别数：10 标注类别名称:["crease","crescent_gap","inclusion","oil_spot", water_spot 框数 = 354 welding_line 框数 = 513 总框数：3563 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理标注 图片示例： 下载地址： https://download.csdn.net/download/FL1623863129/88981119
26800编辑于 2025-07-17- 来自专栏一英里广度一英寸深度的学习
深度学习入门数据集--1.Cifar10数据集
前一段时间写了系列的机器学习入门，本期打算写深度学习入门数据集，第一个入手的是Cifar-10。Cifar-10数据集主要用来做图像识别。 这个数据集包含图像和标签，图像信息由32*32像素大小组成，标签包含10个类别（飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车）。 这个数据集的目的是，用这些标注好的数据训练深度学习模型，使模型能够识别图片中的目标。比如，我们可以通过这个神经网络识别猫vs狗。 一、数据集 官网地址 官网上提供多种格式数据集，我们选bin。 CIFA-10 前25条数据 相关代码： import numpy as np from scipy.misc import imsave import matplotlib.pyplot cifar10_train.py，如果数据集没有下载，那么要重新下载数据集，运行结果如下： Filling queue with 20000 CIFAR images before starting
2.9K20发布于 2019-03-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号