说明： 6000多张图，已标注txt格式和xml格式 有跑好的现成YOLOv5s权重模型pt文件 训练出来的模型具有较好的识别效果。多样化场景：图像涵盖了多种环境和场景，包括室内、室外、公共场所等，确保模型能够适应不同的背景。研究与教育：用于科研机构的研究以及相关院校的教学，帮助学生和研究人员更好地了解吸烟检测技术。预训练模型：提供了一个已经训练好的YOLOv5s模型，可以直接用于推理或进一步微调

GTSRB 德国交通标志识别数据集与YOLO训练方案

yolo 目标检测 光伏～无人机太阳能面板检测数据集深度学习YOLO模型如何训练无人机光伏太阳能面板缺陷检测数据集

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