- 博客(2733)
- 资源 (284)
- 收藏
- 关注
RSS订阅
原创 [数据集汇总]智慧交通-铁路相关数据集汇总
此外，铁轨异物入侵检测数据集能够及时发现并预警潜在的安全隐患，铁轨及卡扣分割数据集、铁轨石枕裂纹缺陷检测数据集等则通过语义分割技术，为铁路维护提供精准的数据支持。智慧交通在铁路领域的应用日益广泛，其数据集汇总涵盖了多个关键方面，为轨道交通、自动化、计算机等专业的研究提供了丰富的资源。这些数据集主要包括铁路手势分类、铁路旁边电气设备检测、铁轨异物入侵检测、铁路铁轨分割、铁轨及卡扣分割、铁轨石枕裂纹缺陷检测等，涵盖了图像分类、目标检测、语义分割等多种技术需求。
2024-09-15 12:12:40
1804
原创 电力行业电气领域相关数据集下载地址汇总输电线路变电站电网应用数据集汇总(全网最全)
例如，输电线路图像数据集通过无人机或直升机拍摄，包含了杆塔、绝缘子、导线等详细图像，为目标检测、分类和异常检测提供了丰富的素材。此外，还有针对变电站烟火检测、导线破损检测等特定任务的数据集，这些数据集通过收集实际场景中的图像和视频，帮助研究人员训练更加精准的算法。电力大数据不仅数据量庞大，类型也多种多样，包括结构化数据如交易电价、售电量等，以及非结构化数据如视频监控图像。通过深度学习和数据挖掘技术，研究人员能够从中发现潜在的模式和规律，为电力行业的决策和规划提供有力支持。
2024-08-23 21:42:27
2993
原创 C# OpenCvSharp DNN Onnx项目源码汇总
本项目涉及C#编程相关，包含深度学习、图像处理、opencvsharp操作等相关编程项目，现在将项目汇总如下：
2024-08-18 08:39:43
725
原创 2024年目标检测数据集大合集所有下载地址汇总
数据集名称下载地址瓷砖瑕疵检测数据集VOC+YOLO标注.zip点我下载道路路标交通标志检测数据集VOC+YOLO格式877张4类别.zip点我下载钢材缺陷检测数据集VOC+YOLO格式386张5类别.7z点我下载中国交通标志检测数据集VOC+YOLO格式5998张58类别.7z点我下载道路交通事故检测数据集VOC+YOLO格式11819张2类别.7z点我下载钢丝绳破损灼伤缺陷检测数据集VOC+YOLO格式1318张2类别.7z点我下载公共场所危险物品检测数据集VOC+YOLO格式1431
2024-04-30 07:30:19
5061
1
原创 基于yolov11的玉米叶子虫害检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
本系统基于先进的YOLOv11目标检测算法，实现了对玉米叶片常见害虫的高效识别，包括**Armyworm（粘虫）**、**Asian-Corn-Borer（亚洲玉米螟）**和**Bollworm（棉铃虫）**。1. **多害虫识别**：通过大量标注数据训练，模型可准确区分三种害虫，并标注其在叶片上的位置，辅助农户快速定位虫害。4. **数据增强**：采用数据集增强策略，提升模型在复杂环境（如叶片遮挡、阴影）下的鲁棒性。3. **实时检测**：在1080P分辨率下可达30FPS以上，满足田间实时监测要求。
2025-04-05 20:45:35
385
原创 分心疲劳驾驶检测数据集VOC+YOLO格式22581张12类别
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):["Drinking","Eyes Closed","Eyes Open","Hair and Makeup","Nodding Off","Operating the Radio","Reaching Behind","Safe Driving","Talking on the phone","Talking to Passenger","Texting","Yawning"]
2025-04-05 20:17:18
176
原创 基于yolov11的作物与杂草检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
基于YOLOv11的作物与杂草检测系统是一款结合深度学习与计算机视觉技术的智能检测工具，可精准识别“weed”（杂草）和“crop”（作物）。该系统以YOLOv11为目标检测模型，通过改进的骨干网络和颈部架构（如C2PSA组件和C3k2模块），显著提升特征提取能力，实现高效、准确的实时检测。检测结果以可视化形式呈现，支持单张图片、视频流和摄像头实时检测。系统采用pyqt5框架构建图形用户界面（GUI），用户可通过点击按钮上传图片或视频，系统自动解析并标注目标位置及类别概率。
2025-04-04 19:28:19
581
原创 牛脸分割数据集labelme格式1324张1类别有增强图片
重要说明：可以将数据集用labelme打开编辑，json数据集需自己转成mask或者yolo格式或者coco格式作语义分割或者实例分割。数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件)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。标注规则：对类别进行画多边形框polygon。使用标注工具：labelme=5.5.0。标注数量(json文件个数)：1324。图片数量(jpg文件个数)：1324。
2025-04-02 21:40:06
174
原创 牛脸检测数据集VOC+YOLO格式2079张1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)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):["face"]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。图片数量(jpg文件个数)：2079。标注数量(xml文件个数)：2079。标注数量(txt文件个数)：2079。标注规则：对类别进行画矩形框。
2025-04-02 21:32:23
206
原创 基于yolov11的水下目标检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
然后，使用这些数据对YOLOv11模型进行训练，使其学习到水下生物的特征。该系统支持识别的目标种类包括fish（鱼）、jellyfish（水母）、penguin（企鹅）、puffin（海雀）、shark（鲨鱼）、starfish（海星）以及stingray（魟鱼）等。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):["fish","jellyfish","penguin","puffin","shark","starfish","stingray"]
2025-04-01 10:34:04
1024
原创 水下目标检测数据集VOC+YOLO格式1224张7类别
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):["fish","jellyfish","penguin","puffin","shark","starfish","stingray"]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)：1224。标注数量(xml文件个数)：1224。标注数量(txt文件个数)：1224。
2025-04-01 10:22:14
194
原创 基于yolov11的水下垃圾检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
该系统能够精准识别包括口罩（Mask）、罐头盒（Can）、手机（Cellphone）、电子产品（Electronics）、玻璃瓶（Gbottle）、手套（Glove）、金属制品（Metal）、杂物（Misc）、渔网（Net）、塑料袋（Pbag）、塑料瓶（Pbottle）、塑料垃圾（Plastic）、棍棒（Rod）、太阳镜（Sunglasses）以及轮胎（Tire）在内的多种垃圾类型。通过高精度的目标检测与实时处理能力，该系统不仅提升了垃圾清理的效率，还为海洋生态保护提供了有力的技术支撑。
2025-04-01 09:29:18
896
原创 水下垃圾检测数据集VOC+YOLO格式5127张15类别
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):["Mask","can","cellphone","electronics","gbottle","glove","metal","misc","net","pbag","pbottle","plastic","rod","sunglasses","tire"]标注数量(txt文件个数)：5127。pbottle 框数 = 1342。gbottle 框数 = 484。plastic 框数 = 275。
2025-04-01 09:07:19
148
原创 基于yolov11的汽车损伤检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
通过实时监测车辆的损伤状态，系统可以为驾驶员提供及时的预警信息，帮助驾驶员预防潜在的交通事故，从而提高道路安全性。YOLO11是YOLO系列模型的一个版本，它在前代基础上做了许多改进，包括但不限于更高效的训练流程和更高的精度。在检测过程中，系统会对输入的车辆图像进行智能分析，自动标出损伤部位，并提供详细的损伤报告。这里，data参数指向你的数据配置文件，model参数指定使用的模型架构，epochs设置训练轮次，imgsz设置输入图像的大小。在目标检测任务中，评估模型的性能是至关重要的。
2025-04-01 08:05:49
687
原创 汽车损伤检测数据集VOC+YOLO格式4000张6类别
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):["crack","dent","glass shatter","lamp broken","scratch","tire flat"]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)：4000。标注数量(xml文件个数)：4000。标注数量(txt文件个数)：4000。
2025-04-01 07:50:44
163
原创 汽车损伤分割数据集labelme格式4000张6类别
标注类别名称:["scratch","tire flat","crack","lamp broken","dent","glass shatter"]重要说明：可以将数据集用labelme打开编辑，json数据集需自己转成mask或者yolo格式或者coco格式作语义分割或者实例分割。数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件)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。标注数量(json文件个数)：4000。
2025-04-01 07:27:27
240
原创 [python]numba安装后测试代码
需要注意的是： numba加速的函数，即@jit（）修饰的函数内，如果调用了其他函数，那么这个函数也应该被@jit()修饰，比如bbox_iou()这个函数，也应该被@jit()修饰。原来的tqdm（）就不能出现在函数内部了，不然会报错。第一个是for循环计算的结果，第二个是numba加速后的结果，确实加速了很多，很不错。阈值，如果直接用for循环，需要写两个for循环，时间复杂度还是很大的。主要任务是有两组bboxs，进行匹配，计算。
2025-03-31 16:53:40
175
原创 DIOR遥感目标检测数据集VOC+YOLO格式23463张20类别无损压缩小体积版
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)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。Expressway-Service-area 框数 = 2165。Expressway-toll-station 框数 = 1298。baseballfield 框数 = 5817。tenniscourt 框数 = 12266。overpass 框数 = 3114。
2025-03-31 16:01:52
319
原创 道路缺陷裂缝坑洼检测数据集VOC+YOLO格式14569张10类别
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"]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)D00 框数 = 6592。D10 框数 = 4446。D43 框数 = 793。D0w0 框数 = 1。
2025-03-31 11:59:32
306
原创 螺栓螺母检测数据集VOC+YOLO格式408张2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)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):["bolt","nut"]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。图片数量(jpg文件个数)：408。标注数量(xml文件个数)：408。标注数量(txt文件个数)：408。nut 框数 = 1445。
2025-03-30 10:32:01
122
原创 基于yolov11的石榴病害检测系统python源码+pytorch模型+评估指标曲线+精美GUI界面
YOLOv11模型在石榴病害检测系统中，经过针对石榴病害的特定数据集进行微调，能够准确识别出石榴上常见的四种病害：Alternaria（链格孢属病害）、Anthracnose（炭疽病）、Bacterial_Blight（细菌性病害，如白叶枯病）以及Cercospora（尾孢属病害，如大豆灰斑病，此处可能指石榴上类似的由尾孢菌引起的病害）。该系统在实际应用中，通过采集石榴叶片或果实的图像，利用YOLOv11模型进行实时检测，能够在短时间内识别出病害种类，并标注出病害在图像中的位置。
2025-03-30 08:51:50
1002
原创 石榴病害检测数据集VOC+YOLO格式2356张4类别
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):["Alternaria","Anthracnose","Bacterial_Blight","Cercospora"]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)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。标注数量(txt文件个数)：2356。
2025-03-30 08:22:26
173
原创 恶劣天气极端天气道路车辆目标检测数据集VOC+YOLO格式1026张7类别
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):["bicycle","bus","car","motorcycle","person","train","truck"]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)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。标注数量(txt文件个数)：1026。
2025-03-29 11:55:21
323
原创 树上石榴检测数据集VOC+YOLO格式3421张3类别
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):["early-fruit","fruit","mid-growth-fruit"]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)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。标注数量(xml文件个数)：3421。标注数量(txt文件个数)：3421。
2025-03-29 10:52:57
194
原创 树上石榴成熟度生长周期检测数据集VOC+YOLO格式5855张5类别
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):["bud","early-fruit","flower","mid-growth","ripe"]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)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。标注数量(txt文件个数)：5855。
2025-03-29 09:50:12
175
原创 石榴成熟度检测数据集VOC+YOLO格式960张5类别
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):["bud","early-fruit","flower","mid-growth","ripe"]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)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。标注数量(txt文件个数)：960。bud 框数 = 14。
2025-03-29 09:32:46
175
原创 无人机树木识别及损伤检测数据集VOC+YOLO格式3171张2类别
本数据集专注于无人机技术在树木病害识别领域的应用，特别针对松树、云杉树、白桦树、白杨树以及其他树种进行了详尽的图像采集与分析。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)综上所述，本无人机树木病害识别数据集在林业资源保护、应急响应以及低空目标检测等领域具有广泛的应用前景和重要的实用价值。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。总框数：195050。
2025-03-28 18:28:26
373
原创 无人机拍摄烟雾火灾检测数据集VOC+YOLO格式3245张2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)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):["fire","smoke"]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。图片数量(jpg文件个数)：3245。标注数量(xml文件个数)：3245。标注数量(txt文件个数)：3245。
2025-03-28 16:34:23
188
原创 智慧医疗胃癌检测数据集VOC+YOLO格式487张2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)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):["cancer","non_cancer"]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。图片数量(jpg文件个数)：487。标注数量(xml文件个数)：487。标注数量(txt文件个数)：487。
2025-03-28 15:15:09
123
原创 智慧医疗消化道疾病检测数据集VOC+YOLO格式3474张3类别
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):["jiechangyan","shiguanyan","zhongliu"]=>[结肠炎,食管炎,肿瘤]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)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。标注数量(txt文件个数)：3747。
2025-03-28 14:25:40
165
原创 [python]基于yolov12实现热力图可视化支持图像视频和摄像头检测
本工具基于YOLOv12模型，结合Grad-CAM技术实现目标检测的可视化分析，支持图像、视频和实时摄像头处理。
2025-03-28 07:20:02
425
原创 [python]基于yolov10实现热力图可视化支持图像视频和摄像头检测
本工具基于YOLOv10模型，结合Grad-CAM技术实现目标检测的可视化分析，支持图像、视频和实时摄像头处理。
2025-03-27 18:58:08
427
原创 [python]基于yolov8实现热力图可视化支持图像视频和摄像头检测
本工具基于YOLOv8模型，结合Grad-CAM技术实现目标检测的可视化分析，支持图像、视频和实时摄像头处理。
2025-03-27 14:41:56
467
原创 PET透明塑料瓶缺陷检测数据集VOC+YOLO格式366张4类别
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):["pet_blackspot","pet_burr","pet_scratch","pet_unformed"]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)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。标注数量(txt文件个数)：366。
2025-03-27 09:27:15
405
原创 基于yolov11的铁路轨道铁轨缺陷检测系统python源码+pytorch模型+评估指标曲线+精美GUI界面
该系统利用YOLOv11这一先进的深度学习模型，实现了对Corrugation（波纹磨耗）、Spalling（剥落）、Squat（压溃）和Wheel Burn（轮烧）等四种常见铁轨缺陷的精准识别。在检测过程中，系统首先通过图像采集设备获取铁轨表面的图像，然后利用YOLOv11模型对图像进行实时分析，最后输出缺陷的位置、类型和严重程度等信息。总的来说，基于YOLOv11的铁路轨道铁轨缺陷检测系统是一种具有广泛应用前景的自动化检测技术，它能够提高铁路维护的效率和准确性，为铁路运输的安全保驾护航。
2025-03-27 08:09:23
1036
原创 基于yolov8的X光图像手骨检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
该系统能够从X光图像中自动提取手骨特征，并对图像中的DIP（远端指间关节）、MCP（掌指关节）、PIP（近端指间关节）、Radius（桡骨）、Ulna（尺骨）和Wrist（腕骨）等关键部位进行精确定位。通过大规模的医学影像数据集训练和详细的图像标注，该系统实现了高精度的手骨结构识别，有助于医生判断患者的病情，如骨折、关节炎等，并决定下一步治疗方案。这通常是因为模型参数过多，而训练数据量相对较小，导致模型学习到了训练数据中的噪声或特定模式，而无法泛化到新的数据。在目标检测任务中，评估模型的性能是至关重要的。
2025-03-26 19:43:19
836
原创 基于yolov11的棉花品种分类检测系统python源码+pytorch模型+评估指标曲线+精美GUI界面
该系统利用YOLOv11深度学习模型，能够实现对棉花主要品种，包括树棉（G. arboreum）、海岛棉（G. barbadense）、草棉（G. herbaceum）和陆地棉（G. hirsutum）的自动识别与分类。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):["G-arboreum","G-barbadense","G-herbaceum","G-hirsitum"]这使得该系统能够在复杂的农田环境中，快速准确地识别出不同品种的棉花。
2025-03-26 16:17:58
833
ruby193-rubygem-ZenTest-4.8.1-1.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-v8-devel-3.14.5.10-2.el6.centos.alt.x86_64.rpm
2025-02-11
ruby193-runtime-1.1-9.el6.centos.alt.x86_64.rpm
2025-02-11
ruby193-rubygem-sprockets-doc-2.4.5-4.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-sinatra-doc-1.3.2-12.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-sqlite3-1.3.6-3.el6.centos.alt.x86_64.rpm
2025-02-11
ruby193-rubygem-test_declarative-0.0.5-3.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-sinatra-1.3.2-12.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-sprockets-2.4.5-4.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygems-devel-1.8.23-50.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygems-devel-1.8.23-49.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygems-1.8.23-49.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-sass-3.1.20-3.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-sass-rails-3.2.5-2.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-sass-doc-3.1.20-3.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-sass-rails-doc-3.2.5-2.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-rspec-expectations-doc-2.11.1-3.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-rspec-mocks-doc-2.11.1-2.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-rspec-core-2.11.1-2.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-rspec-mocks-2.11.1-2.el6.centos.alt.noarch.rpm
2025-02-11
v8-devel-3.14.5.10-6.el6.centos.alt.x86_64.rpm
2025-02-11
scl-utils-20120927-11.el6.centos.alt.x86_64.rpm
2025-02-11
scl-utils-build-20120927-11.el6.centos.alt.x86_64.rpm
2025-02-11
ruby193-v8-3.14.5.10-2.el6.centos.alt.x86_64.rpm
2025-02-11
ruby193-scldevel-1.1-9.el6.centos.alt.x86_64.rpm
2025-02-11
ruby193-rubygem-ZenTest-doc-4.8.1-1.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-tilt-doc-1.3.3-10.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-treetop-1.4.10-6.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-tzinfo-doc-0.3.33-2.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-uglifier-doc-1.2.6-4.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-thor-doc-0.18.1-2.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-test_declarative-doc-0.0.5-3.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-thor-0.18.1-2.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-therubyracer-doc-0.11.0-0.9.beta5.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-therubyracer-0.11.0-0.9.beta5.el6.centos.alt.x86_64.rpm
2025-02-11
ruby193-rubygem-tilt-1.3.3-10.el6.centos.alt.noarch.rpm
2025-02-11
ruby193-rubygem-sqlite3-doc-1.3.6-3.el6.centos.alt.noarch.rpm
2025-02-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人