IP102数据集的一些问题

最新推荐文章于 2025-05-29 15:34:11 发布
原创 最新推荐文章于 2025-05-29 15:34:11 发布 · 2.3k 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #pytorch #计算机视觉 #目标检测 #视觉检测

命令规则的错误

1.前31个类的文件，从IP000*-IP030*，文件名前面的序号前缀，如030，从0开始计数，即030代表第31个类（从1开始计数）的文件（图片和标签）。

2.可能是由于多人分工的问题，IP030的下一批文件是第32个类的文件，采取不同的规则，IP032代表第32个类（从1开始计数）的文件（图片和标签）。这种命名规则一直延续到最后。

标签错误

IP074*和IP075*实际为同一类Panonchus citri McGregor（柑橘红蜘蛛）的图片，却将IP074*标为Papilio xuthus（柑橘凤蝶）。IP074*标签错误。

 

南国遗梦
关注
基于YOLOv12的害虫检测系统设计与实现：IP102数据集应用
YOLO
06-10 507
IP102(Insect Pest Dataset)是一个大规模害虫图像数据集，包含102类常见的农业害虫，总计超过75,000张图像。水稻害虫：稻飞虱、稻纵卷叶螟等小麦害虫：麦蚜、麦蜘蛛等玉米害虫：玉米螟、玉米蚜等蔬菜害虫：小菜蛾、菜青虫等图像分辨率从640×480到4000×3000不等包含不同生长阶段的害虫背景复杂多样（叶片、茎秆、土壤等）标注格式为PASCAL VOC格式。
Ip102:害虫识别的大规模基准数据集
12-22
包含102个类别害虫，75，000多张分类图像，19，000张目标检测图
Ip102: a large-scale bench-mark dataset for insect pest recognition.
热门推荐
qq_43723025的博客
04-24 1万+
文章目录 论文下载地址：AgriPest论文 论文code和dataset：code和dataset 目前在GitHub上面已经找不到了。如果需要code和dataset的直接与论文作者联系可能比较好。 AgriPest是小目标农作物病虫害对象检测数据集（这就要求对象在样本图像中所占的区域面积比较小），它的验证集分为了四种常见场景下的对象检测，这两个方面结合起来更加符合野外虫害识别的实际情况。在此数据集出现之前，我们所做的农作物的病虫害识别一般都是属于较大对象的检测，很多情况下都是在比较单一的背景下，单一对
【免费下载】 Ip102: 害虫识别的大规模基准数据集
gitblog_06610的博客
09-26 902
Ip102: 害虫识别的大规模基准数据集 【下载地址】Ip102害虫识别的大规模基准数据集 Ip102是一个专门为害虫识别任务设计的大规模基准数据集。该数据集包含了102个不同类别的害虫，涵盖了农业、林业和家庭环境中常见的害虫种类。通过提供丰富的图像数据，Ip102旨在帮助研究人员和开发者开发和评估害虫识别算法，从而推动...
【免费下载】 推荐项目：IP102——昆虫害虫识别大規模数据集
gitblog_00069的博客
06-03 2211
推荐项目：IP102——昆虫害虫识别大規模数据集 在农业领域中，对昆虫害虫的准确识别是保护作物和提升产量的关键。今天，我们向您推荐一个专为此目的设计的强大工具——IP102，一个由CVPR 2019接受的大型基准数据集。 1、项目介绍 IP102数据集包含了超过75,000张图像，涵盖了102个不同的昆虫害虫类别。这个数据集的独特之处在于其自然形成的长尾分布，模拟了现实世界中的不平衡样本情况。此外...
IP102 数据集
weixin_43518285的博客
05-20 903
该数据集主要用于目标分类与检测任务，可帮助研究人员开展害虫控制、细粒度视觉分类和不平衡学习领域的研究。
yolov11标注好的ip102数据集，9997张原始图片 
12-27
本篇文章将详细介绍与“yolov11标注好的ip102数据集，9997张原始图片”相关的核心知识点，包括数据集的背景、特性、应用场景以及使用方法等。 首先，数据集的名称“ip102”直接指向了其内容的特定性。IP102很可能是...
IP102中分离出来的害虫数据集，使用yolov11标注
12-20
IP102数据集是农业害虫检测领域的宝贵资源，它专门为害虫的识别与分类设计，包含了多种昆虫图像，被广泛用于深度学习模型的训练与评估。这些数据通常经过精心收集和标注，以确保其在机器学习任务中的高效性和准确性...
Pytorch害虫图像识别分类 使用IP102数据集 包含预训练模型
02-06
# Pytorch害虫图像识别分类 使用IP102数据集 包含预训练模型 ## 使用方法 ### 安装依赖项： ```bash pip install -r requirements.txt ``` ### 训练需要下载害虫图像 IP102v1.1 数据集： <img src="demo/IP102_v...
IP102数据集，使用yolov8标注，18975张原图，图片可查看https://backend.blog.youkuaiyun.com/article/details/144620956
12-27
本数据集是基于IP102做的拓展，内容是为解决虫害问题的具体措施。可识别稻纵卷叶螟 稻螟蛉 水稻蝇蛆 二化螟 三化螟 稻瘿蚊 稻秆蝇 灰飞虱 白背飞虱 褐飞虱 稻水象甲 稻叶蝉 稻蓟马 稻苞虫 蛴螬 蝼蛄 金针虫 白边切...
IP102数据集（已分类标注，详情联系作者获取）
2401_89400399的博客
05-07 498
链接:https://pan.baidu.com/s/1LnfPesXDBST0f4QyItVS9g?【超级会员V10】通过百度网盘分享的文件：ip102_v1…复制这段内容打开「百度网盘APP 即可获取」
IP102数据集，使用yolov7标注，18975张原图，图片可查看https://backend.blog.youkuaiyun.com/article/details/144620956
12-27
IP102数据集，使用yolov7标注，18975张原图，图片可查看https://backend.blog.youkuaiyun.com/article/details/144620956 IP102 是一个用于目标分类与检测任务的农作物病虫害数据集，它包含了水稻、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。本数据集是基于IP102做的拓展，内容是为解决虫害问题的具体措施。可识别稻纵卷叶螟 稻螟蛉 水稻蝇蛆 二化螟 三化螟 稻瘿蚊 稻秆蝇 灰飞虱 白背飞虱 褐飞虱 稻水象甲 稻叶蝉 稻蓟马 稻苞虫 蛴螬 蝼蛄 金针虫 白边切夜蛾 小地老虎 大地老虎 黄地老虎 红蜘蛛 玉米螟 黏虫 蚜虫 白星花金龟 桃蛀螟 麦长管蚜 麦二叉蚜 燕麦蚜 麦红吸浆虫 小麦红蜘蛛 麦长腿蜘蛛 小麦皮蓟马 麦叶蜂 麦黑斑潜叶蝇 甜菜潜叶蝇 跳甲 甘蓝夜蛾 甜菜夜蛾 甜菜斑蝇 草地螟 甜菜象虫 东方绢金龟 苜蓿叶象甲 苜蓿夜蛾 苜蓿盲蝽 牧草盲蝽 蝗总科 椿象 豆芫菁 芫菁 苜蓿蚜 牛角花齿蓟马 蓟马 苜蓿广肩小蜂 东方菜粉蝶 绿盲蝽 刺蛾科 葡萄根瘤蚜 葡萄缺节瘿螨 南天竹刘氏短须螨 十
IP102数据集，使用yolov11标注，18975张原图，图片可查看https://backend.blog.youkuaiyun.com/article/details/144620956
12-27
IP102数据集，使用yolov11标注，18975张原图，图片可查看https://backend.blog.youkuaiyun.com/article/details/144620956 IP102 是一个用于目标分类与检测任务的农作物病虫害数据集，它包含了水稻、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。本数据集是基于IP102做的拓展，内容是为解决虫害问题的具体措施。可识别稻纵卷叶螟 稻螟蛉 水稻蝇蛆 二化螟 三化螟 稻瘿蚊 稻秆蝇 灰飞虱 白背飞虱 褐飞虱 稻水象甲 稻叶蝉 稻蓟马 稻苞虫 蛴螬 蝼蛄 金针虫 白边切夜蛾 小地老虎 大地老虎 黄地老虎 红蜘蛛 玉米螟 黏虫 蚜虫 白星花金龟 桃蛀螟 麦长管蚜 麦二叉蚜 燕麦蚜 麦红吸浆虫 小麦红蜘蛛 麦长腿蜘蛛 小麦皮蓟马 麦叶蜂 麦黑斑潜叶蝇 甜菜潜叶蝇 跳甲 甘蓝夜蛾 甜菜夜蛾 甜菜斑蝇 草地螟 甜菜象虫 东方绢金龟 苜蓿叶象甲 苜蓿夜蛾 苜蓿盲蝽 牧草盲蝽 蝗总科 椿象 豆芫菁 芫菁 苜蓿蚜 牛角花齿蓟马 蓟马 苜蓿广肩小蜂 东方菜粉蝶 绿盲蝽 刺蛾科 葡萄根瘤蚜 葡萄缺节瘿螨 南天竹刘氏短须螨 十
数据集的使用方法和技巧 Demo
06-12
讲座内容：<br/>ADO.NET中最重要的一个概念就是数据集，它是ADO.NET区别于ADO的最重要的一个标志。它的出现使得对数据库的操作变成了真正意义上的无连接操作。在本次讲座中，我们将给大家全面介绍Dataset的基本用法和常见的一个使用技巧，相信对大家程序开发会起到很好的帮助作用。<br/><br/><br/><br/>课程讲师：<br/>邵志东 MSDN特邀讲师 北京新科海学校 副总经理<br/><br/>技术等级：<br/>Level 200<br/>
BuggyAI_Source
03-06
BuggyAI_Source 这是BuggyAI代码的主要存储库。 我们已按生产环境中使用的位置拆分了此存储库的代码。 在buggyapi / buggyapi目录下是Flask REST API的服务器端代码，它位于Ubuntu 18.04服务器上，使用Nginx作为运行Flask应用程序的Gunicorn之前的反向代理。 在Training_Code目录下是用于模型的实际培训和测试代码。 ---我们的模型--- 我们的模型仍在开发中，.h5文件仍在不断更新。 如果您想自己测试模型，请通过与Kyle Brown联系。 -学分- [Xiaoping Wu和小组]-用于授予使用IP102数据集的权限。 我们的项目不使用任何预先训练的模型或其他源代码，因为我们已经为自己的目的开发和训练了自己的模型。 我们仅在训练和验证我们自己的模型时使用了图像数据集。 这是数据集的链接 @in
【论文笔记】IP102: A Large-Scale Benchmark Dataset for Insect Pest Recognition
qq_37194898的博客
09-29 3024
数据集整体概述 The IP102 datset contains more than 75,000 images belongs to 102 categories. A natural long-tailed distribution presents on it. In addition, we annotate 19,000 images with bounding boxes for object detection. The IP102 has a hierarchical taxonomy a
IP102农作物病害虫数据集下载
网易搬砖头
12-27 3390
IP102 是一个用于目标分类与检测任务的农作物病虫害数据集，它包含了水稻、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。本数据集是基于IP102做的拓展，内容是为解决虫害问题的具体措施。本文提供3个使用yolo，coco json, pasical VOC xml格式标注的数据集，数据集来源都是ip102，大家可根据标注的标签来自行甄选。
害虫检测系统：基于YOLOv10与IP102数据集的深度学习实现
最新发布
YOLO
05-29 705
IP102是目前最大的公开昆虫害虫识别数据集，包含75,222张图像，涵盖102种常见农业害虫。其中约19,000张图像标注了边界框，可用于目标检测任务。GitHub+5ieee-dataport.org+5程明明个人主页+5ResearchGate+7程明明个人主页+7GitHub+7类别丰富：涵盖多种作物相关的害虫，如稻飞虱、玉米螟等。数据不平衡：不同类别的图像数量差异较大，增加了模型训练的难度。图像多样性：包括不同光照、背景和角度的图像，增强了模型的泛化能力。优快云arXiv高效性。
ip102数据集
04-30
### 关于 IP102 数据集的下载与使用说明 #### 下载途径 IP102 数据集可以通过多个平台获取。根据公开资料，用户可以从 Google Drive 或 Aliyun Drive 获取该数据集[^4]。这些云存储服务通常会提供直接下载链接，方便研究者和开发者快速获得所需资源。 #### 使用说明 IP102 数据集主要用于害虫识别的研究工作，支持图像分类和物体检测两种任务模式。以下是关于数据集使用的具体指导： - **数据结构** 数据集中包含超过 75,000 张图像，分为 102 个不同的害虫类别。部分图像还附带边界框标注，总数达到约 19,000 张，适合用于物体检测任务。此外，数据集采用层次化分类系统，将影响相同作物的害虫归为同一高层类别，有助于更高效地管理和分析数据[^3]。 - **文件组成** 用户在解压下载后的压缩包后，通常可以看到以下几个核心文件夹或文件： - `images/`：存放所有原始图像。 - `annotations/`：包含边界框标注信息（如果适用）。 - `classes.txt`：列出所有的害虫类别名称及其对应的编号[^4]。 - **代码示例** 如果需要加载并预览数据集中的图像，可以参考以下 Python 实现方法： ```python import os from PIL import Image # 设置路径 data_dir = 'path/to/ip102/images' class_file = 'path/to/classes.txt' # 读取类别列表 with open(class_file, 'r') as f: classes = {int(line.split()[0]): line.split()[1] for line in f} # 预览某一张图片 image_path = os.path.join(data_dir, 'example_image.jpg') img = Image.open(image_path) img.show() ``` #### 应用场景 IP102 的设计初衷是为了应对农业领域中害虫识别的实际需求。因此，它的潜在应用场景非常广泛，包括但不限于以下方面： - 农业监测：通过 AI 技术实时监控农田环境，及时发现并预警害虫侵害[^4]。 - 生物多样性研究：协助生态学家对昆虫种类进行自动化分类和统计。 - 教育培训：作为教学材料，帮助学生理解各类害虫的危害机制以及防治策略。 - 智能设备开发：为无人机或其他智能硬件提供必要的训练数据，使其具备自主检测能力。 ---
评论 2
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
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