62种野外可食用植物分类数据集4665张62类别

利用深度学习解决生活中实际问题——卷积网络实现花卉分类识别(附带数据集,完整代码在最后,机器学习阶段测试) 本次实验中数据集文件名称为:flowers,数据集中数据图片会分为五类:洋甘菊(daisy)、郁金香(tulip)、玫瑰(rose)、向日葵(sunflower)、蒲公英(dandelion)。通过使用深度学习模型,我们课上学习到的卷积神经网络,可以对图像进行高效准确的分类。深度学习进行植物图像分类的意义在于提高了植物识别的准确性和效率,为人们提供了更多的便利和可能性。优化器损失函数实例化(在模型训练的时候,如果出现过拟合或者欠拟合,导致实验效果不理想,可以更换优化器,实现对模型进行调参) 阅读详情

数据集类型:图像分类用,不可用于目标检测无标注文件
数据集格式:仅仅包含jpg图片,每个类别文件夹下面存放着对应图片
图片数量(jpg文件个数):4665
分类类别数:62
类别名称:["alfalfa","asparagus","blue_vervain","broadleaf_plantain","bull_thistle","cattail","chickweed","chicory","cleavers","coltsfoot","common_sow_thistle","common_yarrow","coneflower","creeping_charlie","crimson_clover","curly_dock","daisy_fleabane","dandellion","downy_yellow_violet","elderberry","evening_primrose","fern_leaf_yarrow","field_pennycress","fireweed","forget_me_not","garlic_mustard","harebell","henbit","herb_robert","japanese_knotweed","joe_pye_weed","knapweed","kudzu","lambs_quarters","mallow","mayapple","meadowsweet","milk_thistle","mullein","new_england_aster","partridgeberry","peppergrass","pickerelweed","pineapple_weed","prickly_pear_cactus","purple_deadnettle","queen_annes_lace","red_clover","sheep_sorrel","shepherds_purse","spring_beauty","sunflower","supplejack_vine","tea_plant","teasel","toothwort","vervain_mallow","wild_bee_balm","wild_black_cherry","wild_grape_vine","wild_leek","wood_sorrel"]
每个类别图片数:
alfalfa 图片数:55
asparagus 图片数:105
blue_vervain 图片数:55
broadleaf_plantain 图片数:55
bull_thistle 图片数:55
cattail 图片数:55
chickweed 图片数:155
chicory 图片数:55
cleavers 图片数:55
coltsfoot 图片数:55
common_sow_thistle 图片数:105
common_yarrow 图片数:55
coneflower 图片数:55
creeping_charlie 图片数:105
crimson_clover 图片数:55
curly_dock 图片数:155
daisy_fleabane 图片数:155
dandellion 图片数:110
downy_yellow_violet 图片数:55
elderberry 图片数:105
evening_primrose 图片数:55
fern_leaf_yarrow 图片数:55
field_pennycress 图片数:105
fireweed 图片数:55
forget_me_not 图片数:55
garlic_mustard 图片数:105
harebell 图片数:55
henbit 图片数:155
herb_robert 图片数:55
japanese_knotweed 图片数:55
joe_pye_weed 图片数:55
knapweed 图片数:55
kudzu 图片数:55
lambs_quarters 图片数:155
mallow 图片数:55
mayapple 图片数:55
meadowsweet 图片数:55
milk_thistle 图片数:55
mullein 图片数:55
new_england_aster 图片数:55
partridgeberry 图片数:55
peppergrass 图片数:155
pickerelweed 图片数:55
pineapple_weed 图片数:55
prickly_pear_cactus 图片数:55
purple_deadnettle 图片数:105
queen_annes_lace 图片数:55
red_clover 图片数:55
sheep_sorrel 图片数:55
shepherds_purse 图片数:105
spring_beauty 图片数:55
sunflower 图片数:105
supplejack_vine 图片数:55
tea_plant 图片数:55
teasel 图片数:55
toothwort 图片数:105
vervain_mallow 图片数:55
wild_bee_balm 图片数:55
wild_black_cherry 图片数:55
wild_grape_vine 图片数:105
wild_leek 图片数:105
wood_sorrel 图片数:55

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分类存放

图片示例:

 下载地址:https://download.youkuaiyun.com/download/FL1623863129/89314718

102类花卉分类数据集(已划分,有训练集、测试集、验证集标签) 102类花卉分类是深度学习的一个经典项目,但是数据难寻,在此提供已划分的数据集,并且附带了训练集、测试集、验证集标签txt文件+完整pytorch代码 立即下载

相关推荐

树叶数据集

10种常见树叶的数据集,如银杏、杜鹃、桂叶等,每种树叶40张图片,已经标注好,可直接用来训练。

植物数据集-全面多种杂草识别的数据集

CWD30数据集,专为作物杂草识别任务设计。CWD30包含219,770张高分辨率图像,涵盖20种杂草和10种作物的不同生长阶段、多角度视角和多种环境条件。数据集从不同地理位置和季节的农田收集,确保了数据的代表性。其分层分类法实现了细粒度分类,有助于开发更精确和强大的深度学习模型。广泛的基线实验表明,尽管存在类内差异、类间相似性和数据不平衡等挑战,CWD30能显著提升模型性能,减少收敛时间,节省训练资源。我们相信,CWD30将成为评估作物杂草识别算法的重要基准,推动精准农业进步,并促进研究人员的合作。

u012901740的博客 3444

62种野外可食用植物分类数据集4665张62类别.7z

数据集类型:图像分类用,不可用于目标检测无标注文件 数据集格式:仅仅包含jpg图片,每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数):4665 分类类别数:62 更多信息:blog.youkuaiyun.com/FL1768317420/article/details/138942017

植物分类-PlantsClassification

在训练前,必须检查数据集。

zqb_123的博客 1054

数据集-南开植物分类数据集

南开植物分类数据集 南开植物分类数据集 南开植物分类数据集 南开植物分类数据集

植物类型数据集(30个植物类别和7种植物类型,3万张植物图像)JPG

探索包含3万张植物图像的庞大数据集,每类1000张图片,以及多样化的30个植物类别和7种植物类型,包括作物、水果、工业、药用、坚果、块茎和蔬菜植物。这30个植物类别包括香蕉、椰子和菠萝等受欢迎的物种,以及较少为人知的比林比和南南伽。

目标检测算法——农业作物开源数据集汇总(收藏)

🎄🎄近期,小海带在空闲之余收集整理了一批农业作物开源数据集资源供大家参考。整理不易,小伙伴们记得一键三连喔!!!🎈🎈

加勒比海带66——【YOLO魔法搭配&论文投稿咨询&Python科研绘图】 1万+

Plant Seedlings Classification植物幼苗分类-数据集

通过图像确定幼苗的种类 Plant Seedlings Classification_datasets.txt sample_submission.csv

小麦麦穗品种识别数据集

它包含从全球多个国家处于不同生育阶段的,具有广泛基因型的高分辨率RGB图像和带标签的小麦头。这些图像用于估计不同品种的小麦头的密度和大小。农民在自己的领域做出管理决策时可以使用这些数据评估其健康和成熟度。

weixin_44906759的博客 2143

RI-CLPM vs CLPM:什么时候该用随机截距交叉滞后模型?

本文深入对比了交叉滞后模型(CLPM)与随机截距交叉滞后模型(RI-CLPM)的核心差异与应用场景。RI-CLPM通过分离个体间稳定特质与个体内动态波动,能更纯净地估计变量间的动态因果关系,避免CLPM可能存在的混淆。文章提供了清晰的模型选择决策框架,并辅以Mplus语法示例,帮助研究者根据变量特质稳定性与研究问题,正确选用模型以确保结论的严谨性。

weixin_29276847的博客 303

[软考]系统架构设计师 备考经验分享(一) - 备考计划篇

前言 上周末刚刚结束了软考架构师的考试,自我感觉考的还可以,大概率是过了。 两次参加软考,一次中级嵌入式,一次高级架构师,都是备考不到两个月时间,尤其是架构师这次考试内容和本职工作有不小的差别,并且需要同时备考三个科目,在高强度地备考中感觉是摸索出到了一点软考的技巧与经验。 打算趁还记得,赶紧写几篇文章做下梳理总结,算是给将来自己考系分、高项或者其他考试做个记录,也希望能够帮到正在备考的大家。 先把第一步,个人的备考计划分享给大家。 自身情况分析 首先,请大家一定先明确三个问题,这三个问题会直接影响到你的

_ 6404

2024年图像分类数据集大合集所有下载地址汇总

2024年目标检测数据集大合集所有下载地址汇总

FL1623863129的博客 2721

量化爬虫实战:手把手教你搞定同花顺问财的hexin-v参数(附JS逆向思路与Cookie Hook技巧)

本文详细解析了如何通过JS逆向技术获取同花顺问财平台的`hexin-v`参数,包括Cookie Hook技巧和完整解决方案架构。从环境搭建到参数定位,再到生成逻辑逆向,手把手教你突破数据获取限制,为量化交易提供可靠数据支持。

weixin_42557803的博客 398

【完整源码+数据集+部署教程】植物叶片分类系统源码和数据集:改进yolo11-KernelWarehouse

【完整源码+数据集+部署教程】植物叶片分类系统源码和数据集:改进yolo11-KernelWarehouse

weixin_43860634的博客 974

ROS2+PYTHON VENV虚拟环境配置方法

ROS2+PYTHON VENV配置方法本篇针对的是python。

下雨夏云的博客 555

STM32G0实战:手把手教你用国产GD25Q16 Flash存储传感器数据(附完整驱动)

本文详细介绍了如何使用国产GD25Q16 Flash芯片与STM32G0系列MCU实现传感器数据存储的完整方案。从SPI接口配置、驱动层实现到存储系统架构设计,提供了实战代码和优化策略,帮助开发者快速构建高性价比的物联网数据存储系统。

weixin_30733003的博客 106

图像分类之花卉识别实验验证

本实验基于37种主流的图像分类算法模型,对64种花卉进行识别。使用包括vgg、resnet、densenet、efficientnet、inception、mobilenet等37种图像分类模型进行实验,评估各种模型对花卉的识别准确度、计算量、参数量,对比不同模型的性能和优缺点。

qq_28249373的博客 2085

在MATLAB和Simulink中设计并仿真一个智能建筑能效优化系统

智能建筑能效优化是现代建筑管理的重要组成部分,旨在通过智能化手段降低能源消耗、减少碳排放并提高居住舒适性。通过Simulink进行智能建筑能效优化仿真,可以验证控制策略的有效性、优化系统设计并降低开发成本。以下是如何在MATLAB和Simulink中设计并仿真一个智能建筑能效优化系统的详细步骤。通过上述步骤,我们成功设计并实现了基于Simulink的智能建筑能效优化仿真。该系统能够模拟复杂的建筑环境,验证能效优化策略的有效性,并通过优化设计提高建筑的能源利用效率和居住舒适性。

xiaoheshang_123的博客 138

数据挖掘习题4

数据挖掘习题

2201_75415299的博客 898

【Bluetooth蓝牙开发】十一、一文秒懂 | 超详细的Bluez交叉编译

1、开篇词 2、蓝牙开发入门 3、蓝牙协议栈总览 4、蓝牙协议栈——物理层 5、蓝牙协议栈——链路层 6、蓝牙协议栈——传输层 7、蓝牙协议栈——L2CAP协议 8、蓝牙协议栈——ATT协议 9、蓝牙协议栈——GATT协议 10、蓝牙通信流程分析 11、蓝牙协议栈——Bluez交叉编译 12、蓝牙调试工具汇总

Donge's Blog 3976

RK3588 hdmirx 调试(含v4l2工具,edid编辑)

RK3588 Buildroot系统中调试HDMI-RX的过程,包括抓图、修改EDID数据、编辑EDID等操作。首先,通过logcat和寄存器信息查询HDMI-RX的状态,使用v4l2-ctl工具进行测试和修改EDID。

501846585_QQAndroid_java 2684

【机器学习基础实践】102类花朵数据分类

页面共有5个可供下载项,本项目主要用到了Dataset images(数据集),The image labels(图像标签),The data splits(数据集分割指定),通过查阅资料,最终选择使用深度学习中的卷积神经网络(CNN)算法,该算法十分适于图像分类识别,最终生成了分类报告和混淆矩阵,并且随机选择了一些正确和错误分类的图像进行可视化展示。4、模型评估和可视化:通过测试集对模型进行评估,并计算了准确率,生成分类报告和混淆矩阵,以便更全面地了解模型的性能。

2301_80911466的博客 4727

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

ConvNeXt实战:使用ConvNeXt实现植物幼苗分类(自创,非官方)

ConvNeXts 完全由标准 ConvNet 模块构建,在准确性和可扩展性方面与 Transformer 竞争,实现 87.8% ImageNet top-1 准确率,在 COCO 检测和 ADE20K 分割方面优于 Swin Transformers,同时保持标准 ConvNet 的简单性和效率。 论文链接:https://arxiv.org/pdf/2201.03545.pdf 代码链接:https://github.com/facebookresearch/ConvNeXt 如果github不能下载

AI浩 6939

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

通过训练植物分类数据集 如何构建基于深度学习的植物图像分类系统 深度学习技术(ResNet)来构建植物图像分类系统

通过训练植物分类数据集 如何构建基于深度学习的植物图像分类系统 深度学习技术(ResNet)来构建植物图像分类系统

2401_88440984的博客 1280

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

上一篇: 风力机缺陷检测损伤检测数据集VOC+YOLO格式3687张1类别
下一篇: 野生猫科动物分类数据集2389张10类别
评论
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
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