计算机视觉数据集清单-附赠tensorflow模型训练和使用教程

小麦数据集-聚类应用 1、读入数据 data=pd.read_csv('seedsdataset.txt',header=None,delim_whitespace=True,names=['x1','x2','x3','x4','x5','x6','x7','y']) 2、k=3 y_pred = KMeans(n_clusters=3).fit_predict(data[['x1', 'x2', 'x3', 'x4', 'x5', 'x6', 'x7']]) y_pre = pd.Series(y_pred) y_pre 阅读详情
AI摘要

这篇博客整理了一系列计算机视觉任务的数据集,包括物体分类、肺炎X光图片、花卉识别、脑肿瘤切片、果蔬、小麦和苹果叶片病虫害以及水稻病虫害数据。每个数据集提供了下载链接、基本信息和示例图片,还附带了代码和教程,帮助读者构建自己的分类模型。

我在这里整理了一些计算机视觉中使用到的数据集,大家可以根据需要下载。

友情提示:使用右侧的目录可以帮助你快速找到你想要的数据集

物体分类

物体分类是计算机视觉中一项经典的任务,用户上传图片,模型读取图片,识别出该图片的种类,这里不仅仅有数据集,我在这里也写了一篇博客,里面详细描述了大家如何根据自己的数据集去构建自己的物体分类模型。

手把手教你用tensorflow2.3训练自己的分类数据集_dejavu的博客-优快云博客

肺炎数据集

下载链接:肺炎x光图片分类数据集-提供代码和教程.zip-深度学习文档类资源-优快云下载

数据集基本信息

名称:肺炎x光片数据集

类别:两类 [‘PNEUMONIA’, ‘NORMAL’]

图片数量:6000张

示例:

image-20210616162313008

花卉识别-5类

下载链接:花卉识别数据集5类-提供代码和教程.zip-深度学习文档类资源-优快云下载

数据集基本信息

名称:花卉识别数据集5类

类别:5类 [‘daisy’, ‘dandelion’, ‘roses’, ‘sunflowers’, ‘tulips’]

图片数量:3670张

示例:

160954292_6c2b4fda65_n

花卉识别-98类

下载链接:(5条消息) 花卉识别数据集98类-提供代码和教程.zip-深度学习文档类资源-优快云下载

数据集基本信息

名称:花卉识别数据集98类

类别:98类 [包含98类常见花卉,这里就不一一列举了]

图片数量:8260张

示例:

image_01844

脑肿瘤切片数据集

下载链接:脑肿瘤切片分类数据集-提供代码和教程.zip-深度学习文档类资源-优快云下载

数据集基本信息

名称:肺炎x光片数据集

类别:3类 [‘glioma’, ‘meningioma’, ‘pituitary’]

图片数量:3064张

示例:

718

果蔬数据集

下载链接:蔬菜识别数据集-提供代码和教程.zip-深度学习文档类资源-优快云下载

数据集基本信息

名称:果蔬数据集

类别:12类 [‘土豆’, ‘圣女果’, ‘大白菜’, ‘大葱’, ‘梨’, ‘胡萝卜’, ‘芒果’, ‘苹果’, ‘西红柿’, ‘韭菜’, ‘香蕉’, ‘黄瓜’]

图片数量:1232张

示例:

image-20210616171144765

小麦病虫害数据集

下载链接:水稻叶片病虫害分类数据集-提供代码和教程.zip-深度学习文档类资源-优快云下载

数据集基本信息

名称:小麦病虫害数据集

类别:3类 [‘healthy_wheat’, ‘leaf_rust’, ‘stem_rust’]

图片数量:1053张

示例:

2XML6U

苹果叶片病虫害数据集

下载链接:苹果叶片病虫害分类数据集-提高代码和教程.zip-深度学习文档类资源-优快云下载

数据集基本信息

名称:苹果叶片病虫害数据集

类别:5类 [‘苹果健康’, ‘苹果斑点落叶病’, ‘苹果灰斑病’, ‘苹果锈病’, ‘苹果雪松锈病’]

图片数量:2117张

示例:

1aa28af5-8270-467c-b496-ff415f0b58df___JR_FrgE.S 3010

水稻病虫害数据集

下载链接:水稻叶片病虫害分类数据集-提供代码和教程.zip-深度学习文档类资源-优快云下载

数据集基本信息

名称:水稻病虫害数据集

类别:4类 [‘Bacterial leaf blight’, ‘blast’, ‘brownspot’, ‘healthy’]

图片数量:752张

示例:

brownspot_orig_023

未完待续…

目标检测

等待更新…

语义分割

等待更新…

【大作业-02】水果蔬菜识别系统-基于tensorflow2.3开发 基于tensorflow2.3开发的水果蔬菜识别系统 tensorflow是由google出品的深度学习框架,2.x版本的tensorflow对代码进行了重构,使用起来更加简洁方便。本系统使用tensorflow训练了一个两层卷积两层池化的卷积神经网络和一个基于迁移学习的mobilnet网络,其中mobilenet网络模型准确率高达97%,可识别[‘土豆’, ‘圣女果’, ‘大白菜’, ‘大葱’, ‘梨’, ‘胡萝卜’, ‘芒果’, ‘苹果’, ‘西红柿’, ‘韭菜’, ‘香蕉’, ‘黄瓜’]12种水果蔬菜 阅读详情

相关推荐

【大作业-03】手把手教你用tensorflow2.3训练自己的分类数据集

配合视频一起食用这篇教程效果更佳:课设题目没想好?手把手教你用tensorflow2构建果蔬识别系统 tensorflow2.x版本对小白非常友好,2.x的api中对keras进行了合并,大家只需要安装tensorflow就可以使用里面封装好的keras,利用keras可以快速地加载数据集和构建模型,下面我们直接来看以下通过tensorflow2.3训练自己的分类数据集吧。 注:本文主要针对图片形式的数据集构建分类模型,文本数据、目标检测等任务暂不涉及。 本文使用到的代码已在码云上开源,请大家自行下载,st

dejahu的博客 6万+

Python绘制子图

【代码】Python绘制子图。

u011390757的博客 6352

人脑肿瘤CT检测数据集:VOC/COCO/YOLO三格式与YOLO11训练实战

目标检测是计算机视觉的核心任务,其原理是通过边界框定位与分类实现物体识别。在医学影像领域,CT肿瘤检测对早期诊断具有重要价值,但公开数据集稀缺且标注格式不一。VOC、COCO、YOLO三种主流格式各有适用框架,格式转换与标签校验是训练前的关键步骤。基于5000张真实CT影像的人脑肿瘤检测数据集,同时提供三种标签格式,可直接用于YOLO11训练,覆盖数据划分、脚本配置、多平台避坑及置信度调优全流程,助力医学AI快速落地。

weixin_34354173的博客 263

TensorFlow 2.x视觉实战:从数据增强到部署的全栈秘籍(附YOLOv8+Transformer代码)

通过数据增强破解样本不足,模型轻量化适配边缘设备,量化部署降低成本,分布式训练加速实验。推理速度提升5-10倍模型体积缩小70%生产环境零故障运行警告:混合精度训练可能导致数值不稳定!建议在验证集测试后使用。立即用分析你的模型,找到第一个性能瓶颈!

shejizuopin的博客 663

用TensorFlow.js在浏览器中训练CNN:手写数字识别交互式演示

前端开发者进入机器学习领域时,浏览器这个天然可得的运行时往往被忽视。TensorFlow.js 作为 JavaScript 生态中最完整的深度学习框架,彻底改变了这一局面:它通过 WebGL 后端把 GPU 并行计算能力引入页面,让卷积神经网络的训练和推理都能在纯前端环境中完成。理解张量运算、模型构建与数据流是掌握它的关键,而 MNIST 手写数字识别正是实践这些概念的最佳起点。从加载像素数据到归一化、one-hot 编码,再到用 sequential 搭建 CNN、监控训练曲线,最终在 Canvas 上实

weixin_29483277的博客 189

TensorFlow 2.5实现SRGAN超分辨率:从原理到工业级复现

超分辨率(Super-Resolution)是计算机视觉中将低清图像重建为高清图像的核心技术,其本质是建模图像退化过程的逆问题。传统插值方法仅做空间重采样,而深度学习方法如SRGAN通过生成对抗网络联合优化内容保真与纹理真实性。其关键技术包括残差结构建模长程依赖、PatchGAN判别器聚焦局部纹理判别、VGG19感知损失约束高层语义一致性,以及亚像素卷积实现可学习上采样。该方案专为TensorFlow 2.5环境深度适配,规避了后续版本在梯度钩子、通道顺序和`depth_to_space`兼容性上的典型陷阱

weixin_42524308的博客 263

机器学习之图像分类篇

!本篇博文整合了完成一个图像分类项目的基本过程,可以快速上手找到信心。

m0_74976404的博客 338

道路坑洼检测实战:4种CNN模型Python源码包(含LeNet/AlexNet)

道路坑洼检测是计算机视觉在智慧交通中的典型分类任务,其核心在于利用卷积神经网络(CNN)从复杂背景中识别局部纹理异常。原理上依赖多层卷积提取空间特征、池化增强平移不变性,并通过全连接层实现二分类决策;技术价值体现在轻量化、可复现与端到端落地能力,尤其适配本科生毕设与课程设计场景。常见应用包括车载实时预警、市政巡检系统及教学实验平台。本文提供完整可运行的Python工程包,涵盖LeNet-5、改进版LeNet-5 2.0(含BatchNorm与Dropout)、精简AlexNet等4种CNN模型,支持普通笔记

weixin_33762130的博客 446

2026最新AI大模型学习指南:从理论到实战,附全套104G资料包_AI大模型学习路线解析,完美!

本文系统介绍了AI大模型学习的完整路径,涵盖理论基础、编程实践、领域知识融合、数据处理、模型优化等关键环节。从数学基础到前沿技术跟踪,再到模型部署与维护,全方位构建学习体系。同时提供了从零基础到进阶的七阶段学习路线,并附赠104G大模型学习资源包,包括视频教程、PDF书籍和商业化落地方案,帮助程序员从入门到精通AI大模型技术。

2401_85390073的博客 1709

矿泉水数据集datasets和分类模型

矿泉水数据集datasets和分类模型

小麦叶片病虫害分类数据集-提高代码和教程.zip

小麦叶片病虫害分类数据集-提高tensorflow代码和教程,结合作者录制的b站视频,快速掌握不是梦。数据集详细信息请看https://blog.youkuaiyun.com/ECHOSON/article/details/117964438

苹果病害数据集.rar

苹果病害数据集,4种3171张RGB图像

水稻病害检测数据集-data-无标签.rar

水稻病害检测数据集

智慧农业-苹果树叶三种病害(花叶病、斑点落叶病)数据集916张-含voc+yolo+json三种格式标签.zip

苹果叶病害(花叶病、斑点落叶病、叶枯病)识别检测数据集(课程作业、设计、比赛、实际项目所用) 【实际项目应用】: 智慧农业、病害智能识别app等 【数据集说明】: 苹果叶病害识别检测数据集,一共916张图片,数据背景较丰富,目标有大有小,各种角度,分布均匀,数据整体多样性较充足,标签包含voc(xml)、yolo(txt)、json三种格式,多种目标检测算法可直接使用。纯手工标注,目标框精准,算法拟合不错,数据质量可靠。

苹果树叶病分割数据集.。。。。。

描述 苹果叶片病害图片均采集自西北农林科技大学西北四个不同的苹果实验示范站。这些图片是使用荣耀V10手机拍摄的。在实验室(约 51.9%)和实际种植场(约 48.1%)、不同天气条件下和一天中的不同时间拍摄不同程度的苹果叶图像。这些病害包括交替叶斑病、灰斑病、褐斑病和锈病。

苹果病害分类图片数据集

苹果病害分类图片数据集,真实环境拍摄,共分为4类吗,每类在200-600张图片 苹果病害分类图片数据集,真实环境拍摄,共分为4类吗,每类在200-600张图片 苹果病害分类图片数据集,真实环境拍摄,共分为4类吗,每类在200-600张图片

【2026年最新】零基础转行AI大模型?6大热门岗位解析与全套学习路线(含视频/书籍资源)

本文为想要进入AI大模型领域的程序员及小白提供了职业规划与学习指南。文章首先详细解析了模型研发、算法工程师、AI产品经理等6大热门岗位的技能要求与职业前景;随后分享了一套从系统设计到垂直领域微调的7阶段进阶学习路线;最后文末附赠了包含视频教程、PDF书籍及面试题库在内的全套免费学习资料,助力读者系统掌握大模型技术

2401_84494441的博客 1172

国税局发票查验中英文验证码识别,识别率95.2%

国税验证码识别方法介绍

onedayismyway的博客 3134
上一篇: 使用Python检测条形码和二维码
下一篇: 【大作业-03】手把手教你用tensorflow2.3训练自己的分类数据集
肆十二
肆十二 优质创作者: 人工智能技术领域 优质创作者: 人工智能技术领域
博客等级 码龄9年 2万+粉丝 241原创
评论 7
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

肆十二

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值