- 博客(9)
- 收藏
- 关注
RSS订阅原创 yolov5/v7/v8/v9/v10环境详细配置教程（Windows+conda+pycharm）
首先，打开Anaconda Prompt命令窗口，创建一个新的虚拟环境，后面的包都在这个环境中安装。创建命令是：我的习惯是使用3.8版本的python，你也可以换成更高版本；下载好完整的代码之后，用pycharm打开，可以看到其中有一个requirements.txt文件，要在上面激活的环境中使用命令行安装此文件；gpu版本的安装命令：想要安装其他版本可以去pytorch官网自己找。安装完成后可以通过conda list查看环境中是否安装完成。安装完成后，即可激活虚拟环境，输入以下命令即可；
2024-09-20 21:57:30
941
原创 自动驾驶红外目标检测数据集
数据集采用YOLO标注格式。标注文件是适用yolov5 v8 v9 v10训练的txt格式。可以直接用于yolo系列模型训练。数据集划分:【训练集、验证集、测试集】【23288:2523:251】共26062张，共4类别，4类别分别是【自行车、汽车、狗、人]。【自动驾驶红外目标检测数据集】
2024-09-02 13:34:46
342
原创 骨折检测数据集
数据集采用YOLO标注格式。标注文件是适用yolov5 v8 v9 v10训练的txt格式。可以直接用于yolo系列模型训练。数据集划分:【训练集、验证集、测试集】【489:42:22】共553张，共1类别，1类别分别是【骨折]。
2024-09-02 13:16:55
456
原创 YOLOv8+PyQt5脑肿瘤检测（yolov8模型，从图像、视频和摄像头三种路径识别检测，包含检测页面、训练结果、权重文件）
该数据集包括总共 5,249 张 MRI 图像，分为训练集和验证集。每张图像都用 YOLO 格式的边界框进行注释，并带有对应于四类脑肿瘤之一的标签。神经胶质瘤： 1,153 图片。脑膜瘤： 1,449 图片。神经胶质瘤： 136 图片。垂体： 1,424 图片。无肿瘤： 711 图片。脑膜瘤： 140 图片。无肿瘤：100 张图片。垂体： 136 图片。
2024-08-14 16:30:09
326
原创 【目标检测数据集】船舰检测数据1类别YOLO格式
标注文件将xml转换为为YOLO适用的txt格式。可以直接用于模型训练。也有Dota格式标注文件，可用于mmrotate训练。共1000张左右，按比例划分 train436张，val181张，test453张。
2024-08-14 10:18:01
504
原创 【目标检测数据集】脑肿瘤检测5249张4类别YOLO格式
脑肿瘤目标检测是医学图像处理和人工智能领域的一个关键研究课题，具有重要的临床和社会意义。然而，脑肿瘤的检测和诊断过程往往面临巨大的挑战，因为肿瘤的形态、大小、位置以及与周围正常组织的对比度差异较大，传统的人工检测方法容易受到主观因素的影响，导致误诊或漏诊。然而，这些图像的复杂性和数据量庞大使得医生在有限的时间内进行精确分析变得极为困难，尤其是面对大量病例时，医生的工作量和压力大大增加。其次，自动化检测系统能够处理大量的影像数据，为大规模筛查提供可能，尤其是在医疗资源匮乏的地区，帮助提高疾病检测的覆盖面。
2024-08-13 16:39:07
1108
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人