代码编织梦想

[数据集][目标检测]中国象棋检测数据集voc+yolo格式300张12类别-爱代码爱编程

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):300 标注数量(xml文件个数):30

[数据集][目标检测]变电站火灾检测电力场景烟雾明火检测数据集voc+yolo格式140张2类别真实场景非ps合成-爱代码爱编程

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):140 标注数量(xml文件个数):140 标注数量(txt文件个数):140 标注类别数:2 标注类别名称:["fire","smoke"] 每个类别标注的框数: fire

倒计时 3 天!立即预约苹果 wwdc24 直播;rlaif-爱代码爱编程

6 月 3 日-6 月 7 日,hyper.ai 官网更新速览: 优质公共数据集:10 个 优质教程精选:2 个 社区文章精选:3 篇 热门百科词条:5 条 6-7 月截稿顶会:5 个 访问官网:hyper.ai

【目标检测数据集】铁路工人工服安全帽检测数据集_安全帽数据集详细介绍-爱代码爱编程

铁路工人的工服安全帽是保障他们工作安全的重要装备。这款安全帽设计精良,采用坚固耐用的材料制成,能够抵御各种外部冲击和坠落物的伤害。它具有良好的通风性能,即使在炎热的夏季,工人佩戴也不会感到闷热。安全帽的帽壳、帽衬和下颏带等部件紧密结合,能够有效地吸收和分散冲击力,从而保护工人的头部免受伤害。 在铁路建设和维护过程中,工人们常常需要进行高空作业、移动重物等

铁路工人工服安全帽检测数据集_工人数据集-爱代码爱编程

 铁路工人的工服安全帽是保障他们工作安全的重要装备。这款安全帽设计精良,采用坚固耐用的材料制成,能够抵御各种外部冲击和坠落物的伤害。它具有良好的通风性能,即使在炎热的夏季,工人佩戴也不会感到闷热。安全帽的帽壳、帽衬和下颏带等部件紧密结合,能够有效地吸收和分散冲击力,从而保护工人的头部免受伤害。 在铁路建设和维护过程中,工人们常常需要进行高空作业、移动重物

[数据集][目标检测]医疗防护服检测数据集voc+yolo格式649张7类别-爱代码爱编程

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):649 标注数量(xml文件个数):64

python faker 批量生成数据_python faker中国数据-爱代码爱编程

转自:python Faker 包常用法整理_faker包-CSDN博客 关于python Faker包用法整理 基本用法 from faker import Faker # 导入第三方包 fake = Faker(“zh_CN”) # 实例化方法,这是中文的,也可以多种语言 fake = Faker([“zh_CN”, “ja_JP”]) # 这种写

[数据集][目标检测]盲道检测数据集voc+yolo格式2173张1类别-爱代码爱编程

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):2173 标注数量(xml文件个数):2173 标注数量(txt文件个数):2173 标注类别数:1 标注类别名称:["mangdao"] 每个类别标注的框数: mangda

开源目标检测数据集汇总-爱代码爱编程

任务简介 计算机视觉中关于图像识别有四大类任务:分类,定位,检测,分割。目标检测(Object Detection)是一个分类、回归问题的叠加,有以下核心问题: 分类问题:即图片(或某个区域)中的图像属于哪个类别。定位问题:目标可能出现在图像的任何位置。大小问题:目标有各种不同的大小。形状问题:目标可能有各种不同的形状。 数据集 Pascal VO

阿里计算巢:开启数据集市场的宝库,助力ai研究和应用_cmekg数据集-爱代码爱编程

阿里计算巢 阿里数据巢提供了一个丰富的数据集市场,官方地址: https://computenest.console.aliyun.com/dataset/service/cn-hangzhou 可以看到数据集内容

舌头舌像检测数据集voc+yolo格式800张5类别_数据集舌颜色分类标注-爱代码爱编程

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):800 标注数量(xml文件个数):800 标注数量(txt文件个数):800 标注类别数:5 标注类别名称:["bobai","fenhong","houbai","hou

数据集要点和难点以及具体应用案例-爱代码爱编程

数据集(Data set),又称为资料集、数据集合或资料集合,是一种由数据所组成的集合。它通常以表格形式出现,其中每一列代表一个特定变量,每一行对应于某一成员的数据集的问题。数据集列出的价值观为每一个变量,如身高和体重的一个物体或价值的随机数,每个数值被称为数据资料。对应于行数,该数据集的数据可能包括一个或多个成员。 数据集的类型有多种,包括记录数据

google earth engine——如何批量下载海洋盐度温度数据_如何查找海洋温度和盐度数据-爱代码爱编程

简介: 之前写过一篇关于海洋温度数据集的博客Google Earth Engine ——HYCOM 数据子集包含变量海洋温度数据集_此星光明的博客-CSDN博客 混合坐标海洋模式(Hybrid Coordinate Ocean Model,HYCOM)是一个数据同化混合等值-Σ-压力(广义)坐标海洋模式。EE 中的 HYCOM 数据子集包含盐度、温度、

nasa数据集——有源空腔辐射计辐照度监测仪(acrim)ii 本地格式的 uars 机载太阳总辐照度(tsi)2022年1月版本_nasa辐照度-爱代码爱编程

Active Cavity Radiometer Irradiance Monitor (ACRIM) II Total Solar Irradiance (TSI) aboard UARS in Native format 简介 ACRIMII_TSI_UARS_NAT 数据是上层大气研究卫星(UARS)上的有源空腔辐射计辐照度监测仪 II(ACRI

开源数据集分享——猫脸码客-爱代码爱编程

开源数据集分享,让数据更自由流通——猫脸码客带你走进数据的新世界 在数字化时代的浪潮中,数据已经成为推动社会进步的重要力量。然而,数据的获取与利用往往受到种种限制,使得许多有价值的信息难以被充分挖掘。幸运的是,开源数据集的

orb-爱代码爱编程

目前手上有一个特定的任务,做应急救援的视觉SLAM,目前公共数据集比较少,考虑自建数据集,从网络上爬虫火灾、地震的等手机录制的视频,应用一些现有成熟ORB-SLAM3系统到这个数据集上看效果,然后根据效果得到一些模型改进思路

5.31·上海丨华东师大上海人工智能金融学院正式成立!mit教授max tegmark与5 位国内外院、12 位 人工智能金融顶尖专家齐聚上海,共探 ai-爱代码爱编程

近年来,AI、特别是机器学习,已经在金融数据分析、风险预估、投资管理等任务中实现了效率、准确率的提升,为银行、保险、基金、券商等机构的业务转型提供了强劲动能。随着大模型概念的持续走热,「金融大模型」也成为行业热议话题。然而,

nasa数据集——北美地区站点测量到的土壤解冻深度和湿度 (stdm) 测量值以及介电特性_nasa数据集内包含变量的示例-爱代码爱编程

ABoVE: Soil Moisture and Active Layer Thickness in Alaska and NWT, Canada, 2008-2020 简介 文件修订日期:2021-12-07 数据集版本: 1 摘要 该数据集提供了不同研究团队在美国阿拉斯加和加拿大西北地区站点测量到的土壤解冻深度和湿度 (STDM) 测量值以及

nasa数据集——包括阿拉斯加的 39 个站点和加拿大西北部的 12 个站点)的季节性沉降、活动层厚度 (alt)、垂直土壤水分剖面数据_nasa全球站点数据-爱代码爱编程

ABoVE: Active Layer Thickness from Airborne L- and P- band SAR, Alaska, 2017, Ver. 3 简介 文件修订日期:2022-09-15 数据集版本: 3 摘要 本数据集以 30 米的分辨率提供了整个 ABoVE 域 51 个站点(包括阿拉斯加的 39 个站点和加拿大西北部

google earth engine(gee)——土壤网格250m v2.0_gee数据集:全球土壤网格数据集-爱代码爱编程

土壤网格250m v2.0 SoilGrids被设计成一个全球一致的、以数据为导向的系统,使用全球协变量和全球拟合模型预测土壤属性和类别。如果您正在寻找国家和/或地方层面的土壤信息,我们建议将SoilGrids的预测与来自国家和地方土壤地理数据库的土壤图进行比较。国家土壤地图通常基于更详细的输入土壤信息,因此通常比SoilGrids更准确(在当地覆盖区域内