深度学习基于YOLO+AI deepseek的道路裂缝缺陷检测系统 YOLO+AI的缺陷检测系统，支持图片检测、批量检测、视频检测、摄像头，裂纹）、夹杂物 斑块 麻面 轧入氧化皮 划痕

明瞳 AI 眼疾筛查系统

手写汉字识别/汉字识别系统-深度学习cnn网络-带UI界面界面入口import sysfrom PyQt5.QtWidgets import QApplication, QMainWindow, QLabel, QPushButton, QVBoxLayout, QWidget, QFileDialog, QMessageBoxfrom PyQt5.QtGui import QPixmap, QI

项目详情总图片数2,285 张标注方式VOC、YOLO、Mask 图像类别总数2 类。

如何使用Yolov8训练使用——苹果及叶片病害检测数据集 苹果叶片病害数据集 共2100张，yolo格式，已划分为训练集，验证集，测试集直接用于模型训练7个类别

使用U-Net模型训练烟叶病害分割数据集烟叶病害分割数据集的图像分割任务

使用YOLOv8来训练一个包含500张图像的珊瑚目标检测数据集。这个数据集包含14个类别，已标注为YOLO格式，可以直接用于模型训练。数据集描述数据量：500张图像类别：0: Arborescent（树状的）1: Caespitose-a（丛生的-a）2: Caespitose-b（丛生的-b）3: Columnar（柱状的）4: Corymbose（伞房状的）5: Digitate（指状的）6:

​如何使用YOLOv5训练一个包含六个类别的可见光船舶目标检测数据集，并附上详细的训练代码。数据集介绍该数据集包含7000张图像，共有六个类别，每个图像已经以Pascal VOC XML格式进行了标注。具体信息如下：训练集：包含4900张图像（含XML标注）验证集：包含1400张图像（含XML标注）测试集：包含700张图像（含XML标注）目标检测标签有六个类别：货船：Cargo Ship客船：Pa

红外船舶数据集，一共8002张jpg图片，包含txt和xml标注格式。该数据库记录包含了多个不同场景下、不同时段、不同分辨率的海上、港口和海边上的邮轮、散货船、军舰、帆船、皮划艇 、集装箱船、渔船目标。图像分辨率分别为：384*288、640*512、1280*1024，对图像中的七类船舶目标liner、bulk carrier、warship、sailboat、canoe、container s

深色版本 pest_dataset/ ├── classification/ │ ├── train/ │ │ ├── class_001/ │ │ ├── class_002/ │ │ └── ... │ └── val/ │ ├── class_001/ │ ├── class_002/ │ └── ... ├── detection/ │ ├── images/ │ │ ├── train/