该数据集包含6059张易拉罐和瓶子图片，支持YOLO、COCOJSON等格式，识别率达92.5%。数据分为训练集(4244图)、验证集(907图)和测试集(908图)，用于模型训练、调参和评估。图片经自动定位和尺寸调整(640x640)预处理，标注为"bottle"和"can"两类。适用于智能垃圾桶、回收站等场景，助力垃圾分类自动化。随着环保需求增长，该数据

在消化道疾病早筛领域，息肉的精准识别与分型（尤其是腺瘤性与增生性息肉的区分）是降低癌变风险的关键 —— 腺瘤性息肉存在明确恶变倾向，需重点监测，而增生性息肉多为良性，临床处理策略差异显著。基于此，我们构建了一套高质量息肉检测标注数据集，为医疗 AI 算法研发提供核心支撑。

在消化道疾病早筛领域，息肉的精准识别与分型（尤其是腺瘤性与增生性息肉的区分）是降低癌变风险的关键 —— 腺瘤性息肉存在明确恶变倾向，需重点监测，而增生性息肉多为良性，临床处理策略差异显著。基于此，我们构建了一套高质量息肉检测标注数据集，为医疗 AI 算法研发提供核心支撑。

GeoLite2 数据库是免费的 IP 地理定位数据库，与MaxMind 的 GeoIP2 数据库相当，但准确度较低。GeoLite2 国家、城市和 ASN 数据库 每周更新两次，即每周二和周五。GeoLite2 数据还可作为 GeoLite2 Country 和 GeoLite2 City Web 服务中的 Web 服务提供。GeoLite2 Web 服务的用户每天每项服务的 IP 地址查找次数

Coze Studio开源版是一个技术架构先进、功能完整、应用场景丰富的AI Agent开发平台。其技术选型体现了团队对性能、可扩展性和开发效率的深度考量，核心依赖的集成展现了强大的技术整合能力。从功能特性来看，Coze Studio涵盖了AI应用开发的各个方面，从Agent构建到工作流设计，从知识库管理到插件扩展，为开发者提供了完整的工具链。其应用场景广泛，适用于企业级应用、开发者工具、垂直行业

玉米叶病预测数据集，使用yolo，coco，voc格式人工标注，10046张原始图片，可识别叶枯病,普通锈病，灰叶斑病，健康的玉米叶数据集分割训练组8790图片有效集419图片测试集837图片预处理自动定向： 已应用调整大小： 拉伸至 640x640灰叶斑病叶枯病健康的普通锈病。

关于皮肤病诊断的数据集说明目前，人工智能和机器学习技术正在应用于皮肤病的诊断。一些研究团队已经开发出了基于深度学习的皮肤病诊断系统，这些系统可以通过输入患者的皮肤图像进行分析和诊断。然而，这些系统仍处于研究和开发阶段，尚未在临床实践中得到广泛应用。因此，对于皮肤病的诊断，仍然需要依赖专业医生的经验和判断。这里我提供了皮肤病诊断 粉刺,脱发,湿疹,麻风,黄褐斑,银屑病,癣红斑,痤疮,脂溢性角化病,皮

使用原始 original_prompt 来找到 login 后的提示符（这里默认 original_prompt 是“$”或“#”，但是有时候可能也是别的 prompt，这时就需要在 login 时手动指定这个特殊的 prompt，见上例，有可能是“ > ”），如果找到了，立马使用更容易匹配的字符串来重置该原始提示符（这是由 pxssh 自己自动做的，通过命令 "PS1='[PEXPECT]\$

交通道路上的车辆，人，自行车摩托车自动识别数据集，使用YOLO，COCO，VOC格式对2998张原始图片标注。

玉米识别数据集，4880张图，正确识别率可达98.6%，支持yolo，coco json,pasical voc xml格式的标注，可识别玉米。标注信息： corn。