墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
800+累计阅读
889平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
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)：215
标注数量(xml文件个数)：215
标注数量(txt文件个数)：215
标注类别数：1
标注类别名称:["iron"]
每个类别标注的框数：
iron 框数 = 215
总框数：215
使用标注工具：labelImg
标注规则：对类别进行画矩形框
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标注
标注示例：
下载地址：https://download.youkuaiyun.com/download/FL1623863129/89297921
Wider Person拥挤场景行人数据集
Wider Person拥挤场景行人数据集 数据集详情：多种场景比较拥挤场景的行人检测数据集，包含13382张图片，共计40万个不同遮挡程度的人体。 应用项目：人体检测 数据集地址：http://www.cbsr.ia.ac.cn/users/sfzhang/WiderPerson/ 因为工作原因，会搜集大量的各类公开应用场景数据集，如果有同学需要其他场景或者其他项目的，也可以留言，或者发送邮件到jiangdabai@126.com，也会将对应的数据集更新到此处。 WiderPe...
【精华】WiderPerson数据集介绍及标签转换（YOLO格式）
WiderPerson数据集介绍及标签转换（YOLO格式）
苹果疾病的数据集
自己制作的苹果数据集，然后使用深度学习识别这些苹果疾病。
[数据集][目标检测]草莓成熟度检测数据集VOC+YOLO格式412张3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)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。标注类别名称:["flower","growth","mature"]图片数量(jpg文件个数)：412。标注数量(xml文件个数)：412。标注数量(txt文件个数)：412。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
人群暴力行为视频数据库
这是一个人群暴力行为的数据库，包括正常人群行为和暴力行为，都是从youtube中下载的，150M。视频清晰度不高，可以用于暴力行为检测研究。
[数据集][VOC][正版]打架数据集VOC-3146张
数据集格式：Pascal VOC格式(不包含分割的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：3146 标注数量(xml文件个数)：3146 标注类别数：2 标注类别名称:["nofight","fight"] 每个类别标注的框数： nofight count = 1288 fight count = 2170 使用标注工具：labelImg 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：对于2人明显存在打架行为且包含肢体接触为fight，否则为nofight，注意非打架行为数据集必须要标注，否则容易误检测 重要说明：此数据集经过yolov5训练验证，演示视频有部分数据集加入训练，演示视频地址为：www.bilibili.com/video/BV1PL4y1773X?vd_source=989ae2b903ea1b5acebbe2c4c4a635ee
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
打架识别分类数据集75855张8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)：75855 分类类别数：8 类别名称:["hit","kick","punch","push","ride_horse","shoot_gun","stand","wave"] 每个类别图片数： hit 图片数：4133 kick 图片数：5950 punch 图片数：8921 push 图片数：10335 ride_horse 图片数：16971 shoot_gun 图片数：9832 stand 图片数：11259 wave 图片数：8454 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 更多信息：https://blog.youkuaiyun.com/FL1768317420/article/details/139401917
【数据集处理】WiderPerson介绍以及转YOLO格式（图片教程及代码----超详细）
WiderPerson数据集转YOLO格式，一步一图超详细WiderPerson介绍 原论文中数据信息 下载后的文件样式 Annotations WiderPerson转YOLO 数据集下载地址 转格式以及选取类别 关于txt文件的处理：（直接运行） 生成yolo格式的train、val.txt 里面存储图片路径 到此数据已经准备完了 开始你的训练吧！
YOLOv7密集行人检测+WiderPerson权重+数据集
1、WiderPerson数据集是比较拥挤场景的行人检测基准数据集，yolov7训练好的WiderPerson行人检测模型，训练输入尺寸为640x640，附有txt格式和xml格式的WiderPerson数据集； 2、检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 3、采用pytrch框架，代码是python的
深度学习草莓成熟度检测数据集
深度学习草莓成熟度检测数据集，不同时期的草莓图像以及标注文件，包含成熟，生长，花期三类标签
【视频打架行为数据集】打斗场景视频数据集简要介绍
收集的视频打架与非打架视频数据集
Python Selenium调用IE11报错全解析：从环境配置到稳定运行
在Web自动化测试领域，Selenium作为主流的跨浏览器测试框架，其核心原理是通过WebDriver协议与不同浏览器的驱动程序进行通信，实现对浏览器行为的模拟与控制。这一技术为软件测试的自动化、回归测试的效率提升提供了重要价值，广泛应用于金融、政务等对遗留系统兼容性要求高的行业场景。然而，当技术栈涉及过时的浏览器如IE11时，环境配置的复杂性显著增加，特别是Python与Selenium的组合常遭遇驱动兼容性、安全设置等挑战。本文聚焦于解决Python Selenium驱动IE11时的典型报错问题，深入剖
【目标检测数据集】草莓成熟度度检测数据集VOC+YOLO格式400张
草莓是一种美味可口的水果，其鲜艳的红色外观和独特的香甜口感深受人们喜爱。草莓果实呈心形，表面覆盖着细小的种子，内部则是鲜嫩的红色果肉，咬一口就能感受到其特有的酸甜滋味。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)总之，草莓是一种美味又营养丰富的水果，无论是从口感还是营养价值来看，都值得人们去品尝和享受。标注类别名称:["flower","growth","mature"]
comfyui中的k采样器报错Given groups=1, weight of size [320, 4, 3, 3], expected input[2, 8, 96, 54] to have 4
求助大佬！！！我运行comfyui的时候，k采样器变紫，同时报错显示：
医学影像弹性形变处理
这段代码的主要流程是：读取 DICOM 医学影像，尝试使用 MONAI 进行弹性形变（根据版本适配），如果失败则使用 OpenCV 实现，最后可视化并保存处理结果。这样可以在不同环境下灵活处理医学影像的弹性形变需求。后面会写一篇解释弹性变形方法的短文。
基于YOLO格式的草莓成熟度目标检测数据集
图片数量: 总计：2321 张。训练集 1848 张, 验证集 359 张, 测试集 114 张 标注文件格式: YOLO的txt格式可以直接用于模型训练。
STM32HAL库硬件I2C驱动INA226避坑指南：从寄存器配置到电流测量实战
本文详细解析了使用STM32的HAL库硬件I2C驱动INA226电流/功率监测芯片的完整流程与常见陷阱。内容涵盖从硬件I2C配置、寄存器（特别是配置与校准寄存器）的深度解析、健壮的驱动函数封装，到实战中的校准技巧与滤波优化，旨在帮助开发者避开通信失败、数据不准等典型问题，实现高精度电流测量。
基于视频分类的打架识别
基于PP-TSM模型实现打架识别
嵌入式工程师必学（118）：MCU的硬件定时器和中断
大多数微处理器都有一个或多个可编程硬件定时器，这些定时器包括对中断的支持。可以有不同类型的计时器，用于不同的应用程序。例如，LPC1768 具有四个 32 位通用定时器、一个看门狗定时器、一个重复中断定时器、一个系统滴答定时器、一个正交编码器接口、6 个 PWM 输出和一个支持中断的实时时钟。硬件定时器用于计时和计数作，允许处理器在 timer 进程运行时继续执行其他进程。硬件定时器是一种使用 clock 信号来增加 register 的电路。
嵌入式工程师成长之路（0）----认识元件
在电子设计与维修中，认识元件是成功的关键！面对琳琅满目的电阻、电容、电感与二极管，样子形式千奇百怪，你是否也曾陷入困难？ 本文基于行业权威分类标准，结合十年工程师实战经验，深度解析4大类、30+子类电子元件的核心特性、应用场景与避坑指南，助你从“小白”秒变“电子高手”！
基于YOLOv8深度学习的持械聚众斗殴打架行为检测系统(PyQt5界面+数据集+训练代码)
随着智能监控技术和人工智能的发展，基于深度学习的行为检测技术在公共安全和防范领域中发挥着越来越重要的作用。传统的监控系统通常依赖于人工监控，这不仅耗费大量的人力和时间，且容易因为人的疲劳或疏忽而漏检关键的异常行为。而近年来，随着深度学习技术的快速发展，计算机视觉领域涌现出了大量基于深度学习模型的行为识别算法，为公共安全提供了自动化、智能化的解决方案。
SAP FAGLFLEXT 是 SAP 新总账的核心余额表，存储多维度的汇总余额数据。核心结论：该表按 “科目 + 会计年度 + 期间 + 维度” 存储累计余额，字段可分为基础标识
FAGLFLEXT是SAP新总账的核心余额表，采用"科目+年度+期间+维度"结构存储多维汇总数据。其字段分为基础标识（科目、年度等）、维度细分（公司代码、利润中心等15个维度）、金额数值（本外币余额）、辅助控制（状态标识）四大类，支持新总账的灵活核算。该表通过凭证自动更新，与旧总账GLT0相比显著扩展了维度核算能力，各维度需在科目主数据或Ledger配置中启用才能使用。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
3796
扫一扫
