基于卷积神经网络CNN实现旋转机械故障诊断——实现数据集：CWRU西储大学轴承，JN江南大学轴承，东南大学齿轮，HUST华科轴承注：Pytorch和tensorflow两种框架下实现，提供一种实现流程

数据准备添加图片注释，不超过 140 字（可选）1. 下载数据集假设你已经从某个来源下载了盲道语义分割数据集，并将其解压到指定的目录中，例如 blind_path_dataset。2. 数据集结构假设数据集的目录结构如下：深色版本blind_path_dataset/├── images/│├── 000001.jpg│├── 000002.jpg│└── ...├── masks/│├── 00

智慧桥梁数据集，桥梁部件和缺陷多标签分割与检测数据集，5.4GB，添加图片注释，不超过 140 字（可选）来自100多座不同桥梁的9920张图像，添加图片注释，不超过 140 字（可选）专门为实际使用而设计的包括桥梁检查标准定义的所有视觉上独特的损伤类型。数据集中的标签类别，共分为3大类，19小类，分割提供yolo，json两种标注方式，检测提供yolo标注方式。添加图片注释，不超过 140 字（

​反光衣安全帽检测数据集，用于铁路工人目标检测铁路施工场景，数据集3220+，vest,helmet,worker共三个类别图片与标签txt一一对应，直接用yolov5-10训练如何使用YOLOv5或YOLOv7来训练一个包含3220多张图像的反光衣安全帽检测数据集，并附上详细的训练代码和步骤。这个数据集用于铁路工人目标检测，包含三个类别：反光衣（vest）、安全帽（helmet）和工人（work

如何使用YOLOv8来训练一个包含613张图像的翻越攀爬围栏翻墙检测数据集

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

基于深度学习 卷积神经网络resnext50的中医舌苔分类系统，pyqt5技术开发界面，有损失曲线，混淆矩阵等指标+舌象舌头舌苔检测数据集 5类 1400张 舌象 带标注 voc yolo

【风力发电叶片缺陷检测】nc: 4 names: ['Burn Mark', 'Coating_defects', 'Crack', 'EROSION ']名称：【'烧伤痕迹', '涂层缺陷', '裂缝'，'侵蚀'】共1095张，8:1:1比例划分，（train;876张，val：109张，test：110张标注文件为YOLO适用的txt格式。可以直接用于模型训练。数据集2:7类burning:

【DIOR遥感小目标目标检测数据集】该数据集共包括20个类别；共计图片23463张图片，训练集11725，验证集11738已处理成yolo格式、voc格式，可直接用于训练；***已亲测过，模型效果有保障；标签类别及各类别标签个数如下（train/test）0 harbor 港口 2369 31401 ship 船舶 27292 351082 storagetank 储罐 3053 233613 c

​可以直接用于智慧工地物料盘点，标签类别为rebar，共有30942个标注。工地类——钢筋计数数据集数据集共有250张图片数据，可直接用于智慧工地物料盘点；保证标注质量； 已标注yolo格式、VOC格式，可直接训练； 标签类别及标签个数：rebar：30942；使用YOLOv8来训练一个包含250张图像的钢筋计数数据集。这个数据集已标注为YOLO格式和VOC格式，可以直接用于智慧工地物料盘点，标签