- 博客(25)
- 收藏
- 关注
RSS订阅原创 Web前端效果展示：腺体超声图像分割
数据集信息展示在本研究中，我们采用了名为“Clasificacion imagenes sjogren”的数据集，以训练和改进YOLOv8-seg模型，旨在实现腺体超声图像的高效分割。该数据集包含了丰富的腺体超声图像样本，涵盖了多种不同的类别，为模型的训练提供了坚实的基础。数据集的类别数量为七个，具体类别包括：GP（腺体），GS（腺体肿块），Q（腺体液体），V（腺体血管），Vaso（血管），gs（腺体小病变），以及v（腺体大病变）。
2024-11-10 15:29:18
788
原创 创新点精彩发刊：生菜健康状态分割
数据集信息展示在本研究中，我们采用了名为“capstone1-2”的数据集，以训练和改进YOLOv8-seg模型，旨在实现生菜健康状态的精确分割。该数据集专注于生菜的健康状况，特别是区分健康生菜与因环境因素导致的“Tipburn”病症。数据集的设计考虑到了生菜在不同生长阶段和环境条件下的表现，确保了模型在实际应用中的有效性和鲁棒性。“capstone1-2”数据集包含两个主要类别，分别是“Healthy Lettuce”和“Tipburn”。
2024-11-10 12:53:58
1041
原创 完整培训教程：骨折图像分割
数据集信息展示在现代医学影像分析中，骨折的准确识别与分割是临床诊断和治疗方案制定的重要环节。为此，我们构建了一个名为“Bone fractures”的数据集，旨在为改进YOLOv8-seg的骨折图像分割系统提供高质量的训练数据。
2024-11-08 15:56:56
921
原创 【天线＆运输】冲浪者检测系统源码＆数据集全套：改进yolo11-DySnakeConv
本项目数据集信息介绍本项目所使用的数据集名为“surfer”，旨在为改进YOLOv11的冲浪者检测系统提供强有力的支持。该数据集专注于冲浪者的检测，包含了丰富的图像数据，旨在提升模型在复杂环境下的识别能力。数据集中包含的类别数量为1，类别列表仅包含“human”，这表明该数据集主要聚焦于冲浪者这一特定目标。通过专注于单一类别，我们能够在数据标注和模型训练过程中，确保高质量的样本选择和标注精度，从而提高模型的检测准确性。
2024-11-04 09:12:41
1208
原创 【零售和消费品＆家居用品】家庭门窗开闭状态安全监控系统源码＆数据集全套：改进yolo11-DCNV2
本项目数据集信息介绍本项目所使用的数据集名为“Security-Detection”，旨在为改进YOLOv11的家庭门窗开闭状态安全监控系统提供强有力的支持。
2024-11-02 16:17:10
1077
原创 【运动的＆足球】足球比赛点球场景射门检测系统源码＆数据集全套：改进yolo11-ADown
本项目数据集信息介绍本项目所使用的数据集名为“penalty”，专门针对足球比赛中的点球场景进行射门检测系统的训练与优化。该数据集的设计旨在提高YOLOv11模型在特定场景下的检测精度，尤其是在复杂的比赛环境中，能够有效识别和定位足球。数据集中包含的类别数量为1，具体类别为“balls”，这意味着数据集专注于足球这一单一目标，确保模型在识别和分析过程中能够集中精力于最重要的元素。“penalty”数据集的构建过程涵盖了多种场景和角度，以确保模型在不同条件下的鲁棒性。
2024-11-02 12:34:34
848
原创 【制造业＆盒子】箱子检测系统源码＆数据集全套：改进yolo11-swintransformer
本项目数据集信息介绍本项目所使用的数据集名为“NEW_PALLET”，旨在为改进YOLOv11的箱子检测系统提供强有力的支持。该数据集专注于特定的物体检测任务，包含两类目标，分别为“0”和“Box-mDiy”。其中，“0”代表一种基础的背景类别，而“Box-mDiy”则指代特定的箱子类型，具有多样的形状和尺寸，适合于不同的应用场景。通过对这两类目标的标注和分类，数据集为模型的训练提供了丰富的样本，确保了检测系统在实际应用中的准确性和鲁棒性。
2024-11-01 15:32:32
1048
原创 【天线＆空中农业】农作物害虫检测系统源码＆数据集全套：改进yolo11-LVMB
本项目数据集信息介绍本项目旨在改进YOLOv11的农作物害虫检测系统，为此我们采用了名为“insects”的数据集。该数据集专门用于训练和评估模型在农作物害虫识别方面的性能，涵盖了十种不同类别的害虫。这些类别包括：军虫、豆类水蛭、红蜘蛛、水稻虫、稻叶卷虫、稻叶蝉、水稻水象甲、小麦木虱、白背飞虱以及黄稻螟。这些害虫在农业生产中对作物造成了严重威胁，因此准确识别和及时防治显得尤为重要。“insects”数据集的构建基于大量的实地采集和标注，确保了数据的真实性和多样性。
2024-10-31 14:26:33
992
原创 【零售和消费品＆存货】超市购物车商品检测系统源码＆数据集全套：改进yolo11-DySnakeConv
本项目数据集信息介绍本项目所使用的数据集名为“Grocery”，旨在为改进YOLOv11的超市购物车商品检测系统提供丰富的训练素材。该数据集包含10个不同类别的商品，涵盖了超市中常见的多种商品类型，以便于系统在实际应用中能够准确识别和分类。
2024-10-31 10:18:19
899
原创 【天线＆运输】交通场景智能监测系统源码＆数据集全套：改进yolo11-DCNV2
本项目数据集信息介绍本项目所使用的数据集名为“FYP2022”，旨在为改进YOLOv11的交通场景智能监测系统提供强有力的支持。
2024-10-30 15:14:24
1040
原创 【后勤＆运输集装箱】集装箱损伤识别图像分割系统源码＆数据集全套：改进yolo11-bifpn-SDI
本项目数据集信息介绍本项目所使用的数据集名为“Container Damage Detection 5(balanced)”，旨在为改进YOLOv11的集装箱损伤识别图像分割系统提供高质量的训练数据。该数据集专注于集装箱的损伤检测，涵盖了五种主要的损伤类别，具体包括“DAMAGE - DEFRAME”、“DAMAGE - HOLE”、“DAMAGE - MAJOR DENT”、“DAMAGE - MINOR DENT”和“DAMAGE - RUST”。
2024-10-27 13:21:30
826
1
原创 【制造业＆电子产品】电路板元件检测系统源码＆数据集全套：改进yolo11-slimneck
本项目数据集信息介绍本项目所使用的数据集名为“circuit elements”，旨在为改进YOLOv11的电路板元件检测系统提供高质量的训练数据。
2024-10-25 15:20:06
1049
原创 轮胎类型检测系统源码＆数据集全套：改进yolo11-DBB
本项目数据集信息介绍本项目所使用的数据集名为“Cam3”，旨在为改进YOLOv11的轮胎类型检测系统提供高质量的训练数据。该数据集包含三种不同类型的轮胎，具体类别包括“tire_one”、“tire_two”和“tire_three”。这些类别的选择是基于市场上常见的轮胎类型，确保模型能够有效识别和分类多样化的轮胎设计和结构特征。“Cam3”数据集的构建过程注重数据的多样性和代表性，确保涵盖不同品牌、型号及使用环境的轮胎样本。
2024-10-24 16:12:04
586
原创 【运输＆加载码头】装卸区货车卸货检测系统源码＆数据集全套：改进yolo11-RFAConv
本项目数据集信息介绍本项目所使用的数据集名为“bb”，旨在为改进YOLOv11的装卸区货车卸货检测系统提供高质量的训练数据。该数据集包含五个类别，分别为“box”（箱子）、“door close”（门关闭）、“door open”（门打开）、“sack”（袋子）和“vehicle”（车辆）。这些类别的选择反映了装卸区货车卸货过程中可能出现的关键物体，能够有效支持模型在实际应用中的表现。在数据集的构建过程中，我们特别注重数据的多样性和代表性，以确保模型能够在各种环境和条件下进行准确的物体检测。
2024-10-23 15:19:02
977
原创 【天线＆空中农业】蘑菇种类检测系统源码＆数据集全套：改进yolo11-KernelWarehouse
本项目数据集信息介绍本项目所使用的数据集名为“American Mushrooms”，旨在为改进YOLOv11的蘑菇种类检测系统提供基础数据支持。该数据集专注于两种特定的蘑菇类别，分别为“CoW”（牛肝菌）和“chanterelle”（鸡腿菇），共计包含两类样本。这一数据集的构建不仅考虑了蘑菇的多样性，还注重了其在自然环境中的真实表现，确保模型在实际应用中的有效性和准确性。“American Mushrooms”数据集的样本来源广泛，涵盖了不同生长环境下的蘑菇图像，包括森林、草地及其他自然生态系统。
2024-10-23 11:38:09
817
原创 【天线＆运输】航拍车辆检测系统源码＆数据集全套：改进yolo11-DGCST
本项目数据集信息介绍本项目所使用的数据集名为“Aerial Cars”，旨在为改进YOLOv11的航拍车辆检测系统提供高质量的训练数据。该数据集专注于航拍视角下的车辆检测，包含了多种不同类型的车辆样本，旨在提升模型在实际应用中的检测精度和鲁棒性。数据集中共包含四个类别，分别用数字“0”、“1”、“2”和“3”进行标识。这些类别可能代表不同类型的车辆，如小型轿车、SUV、货车和公共交通工具等，具体的类别定义将在后续的研究中进一步明确。
2024-10-22 14:55:27
661
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