Command Palette
Search for a command to run...
Datensatzzusammenfassung | Wichtige Datensätze Für Anfänger Zum Erlernen Von YOLO, Zu Tieren, Pflanzen, Gesichtsausdrücken Und Mehr
Für diejenigen, die neu in der künstlichen Intelligenz und Computervision sind, ist das erste „kleine Ziel“, das sie sich setzen, oft die Ausführung eines YOLO-Modells. Während meiner Lernphase war ich noch mit YOLOv8 konfrontiert und mein erstes Projekt war die „Fruchterkennung basierend auf YOLO“.Die YOLO-Serie wurde auf YOLOv13 aktualisiert, wodurch sowohl die Leistung als auch die Effizienz verbessert wurden.
Das neueste YOLOv13 führt den Hypergraph-basierten Adaptive Correlation Enhancement (HyperACE)-Mechanismus ein, der die Erkennungsleistung in komplexen Szenarien erheblich verbessert.Gleichzeitig wird das FullPAD-Paradigma übernommen, um den verbesserten Funktionsfluss in den gesamten Prozess von Rückgrat, Hals und Kopf zu integrieren und so eine stärkere Informationszusammenarbeit zu erreichen.Auf dieser Grundlage verbessert YOLOv13-N mAP um 3,0% im Vergleich zu YOLO11-N und um 1,5% im Vergleich zu YOLOv12-N. Der Durchbruch von YOLOv13 bei der Echtzeit-Objekterkennung liefert auch neue Ideen für die Entwicklung nachfolgender effizienter und leistungsfähiger Erkennungssysteme.
Dank der Beiträge der Open-Source-Community wurde das YOLO-Modell von Generation zu Generation rasant weiterentwickelt. Wie bei so vielen großartigen Dingen ist jedoch die Wahl des richtigen Datensatzes für Anfänger entscheidend. HyperAI hat einige Datensätze zusammengestellt, die für Anfänger zum Experimentieren mit YOLO geeignet sind, um Ihnen den Einstieg zu erleichtern.
Klicken Sie hier, um weitere Open-Source-Datensätze anzuzeigen:
Zusammenfassung des Luftbilddatensatzes
1 , Bilddatensatz zur Vogelklassifizierung von Vogelarten
Geschätzte Größe:1,14 GB
Downloadadresse:https://go.hyper.ai/DvNwq
Bird Species ist ein Datensatz zur Klassifizierung von Vogelbildern, der sich für das Training von Computer-Vision-Modellen zur Identifizierung und Klassifizierung von Vogelarten eignet. Der Datensatz enthält sieben verschiedene Arten mit jeweils 1.200 Bildern. Die Bilder jeder Art zeigen das Federmuster, die Farbe und den Körperbau des jeweiligen Vogels. Einige Bilder sind absichtlich unscharf, geneigt oder zeigen zwei Vögel verschiedener Arten. Dies erhöht die Komplexität der realen Welt und macht das Modell robuster für eine genaue Klassifizierung in natürlichen Umgebungen.
2 , Gemüseidentifikation Datensatz zur Gemüsebilderkennung
Geschätzte Größe:2,26 GB
Downloadadresse:https://go.hyper.ai/UGczX
Der Datensatz enthält Bilder von sechs Gemüsesorten: Auberginen, Bohnen, Okra, Kürbis, Kartoffeln und Zwiebeln, mit 800 Bildern von jeder Sorte, also insgesamt 4.800 Bilder. Ziel ist es, die Fähigkeiten des maschinellen Lernens und der Computervision bei der Erkennung, Klassifizierung und Wiedererkennung von Gemüse zu verbessern.
3 , Pflanzenkrankheiten-Datensatz
Geschätzte Größe:1,99 GB
Downloadadresse:https://go.hyper.ai/bD5vr
Crops Disease ist ein Bilddatensatz zu landwirtschaftlichen Pflanzenkrankheiten, der die Entwicklung von Computer-Vision-Modellen zur automatischen Erkennung und Klassifizierung von Krankheiten verschiedener Nutzpflanzen unterstützen soll. Der Datensatz enthält rund 1.300 Bilder von Pflanzenkrankheiten, die häufige Krankheiten verschiedener Nutzpflanzen (wie Mais, Tomaten, Kartoffeln usw.) abdecken. Jedes Bild ist mit einer spezifischen Krankheitskategorie versehen.
4 , Datensatz zur Erkennung von Gesichtsausdrücken im YOLO-Format
Geschätzte Größe:3,77 GB
Downloadadresse:https://go.hyper.ai/ZaUdh
Der Datensatz enthält etwa 70.000 Bilder, deckt neun Gesichtsausdruckskategorien ab und berücksichtigt sowohl einfache als auch komplexe Emotionen. Er eignet sich für Anwendungsszenarien wie Emotionserkennung in der Computervision, Mensch-Computer-Interaktion, Analyse der psychischen Gesundheit und intelligente Überwachung.
5 , Straßengefahren Datensatz zu Straßengefahren
Geschätzte Größe:1 GB
Downloadadresse:https://go.hyper.ai/fEVuJ
Der Datensatz „Straßengefahren“ enthält 2,7.000 Bilder und dient hauptsächlich der Erkennung von Schlaglöchern, Rissen und offenen Schächten auf Straßen. Dieser Datensatz wurde erweitert, um die Datenvielfalt und Robustheit zu erhöhen. Die Bilder sind in Trainings- und Validierungssätze unterteilt und in drei verschiedene Kategorien eingeteilt.
6 , Hunderassen Hunderassen-Bilddatensatz
Downloadadresse:https://go.hyper.ai/M8rqJ
„Dog Breeds“ ist ein Bilddatensatz mit Bildern verschiedener Hunderassen, der zum Trainieren und Bewerten von Klassifizierungsmodellen für Hunderassen dient. Der Datensatz enthält Tausende (über 17.000) Bilder verschiedener Hunderassen, darunter mehr als 100 Rassen (Terrier, Jagdhunde, Mastiffs, Spaniels, Bichon Frisé usw.) und dient der Entwicklung von Systemen zur Erkennung von Hunderassen.
7 , 15 Datensätze zur Klassifizierung von Tierbildern
Geschätzte Größe:37,06 MB
Downloadadresse:httPs://go.hypeR.ai/5SgsE
Dieser Datensatz enthält Bildordner von 15 Tierarten: Bär, Vogel, Katze, Kuh, Hirsch, Hund, Delfin, Elefant, Giraffe, Pferd, Känguru, Löwe, Panda, Tiger und Zebra. Jeder Ordner repräsentiert eine Klasse entsprechend dem Ordnernamen und enthält mindestens 120 Bilder. Alle Bilder haben die Größe 224 x 224 Pixel und eignen sich für die Bildklassifizierung. Die Bilder wurden aus dem Internet heruntergeladen und mithilfe der OpenCV-Bibliothek vorverarbeitet (Größenänderung und Erweiterung). Daher kann dieser Datensatz ohne weitere Datenerweiterung direkt für das Training verwendet werden.
8 , UAVDT-Videodatensatz zur Zielerkennung und -verfolgung von Drohnen
Geschätzte Größe:1,14 GB
Downloadadresse:https://go.hyper.ai/0f4Ej
UAVDT steht für „UAV Object Detection and Tracking Large-Scale Video Dataset“. Es enthält 10 Stunden Rohvideo und etwa 8.000 repräsentative Videobilder mit manuell annotierten Begrenzungsrahmen und nützlichen Beschriftungen wie Fahrzeugkategorie und Okklusion. Dieser Datensatz, der von Drohnen in verschiedenen komplexen Szenarien erfasst wurde, befasst sich hauptsächlich mit drei grundlegenden Aufgaben: Objekterkennung (DET), Einzelobjektverfolgung (SOT) und Mehrfachobjektverfolgung (MOT).
Oben sehen Sie den von HyperAI zusammengestellten Datensatz mit Luftaufnahmen. Wenn Sie über Ressourcen verfügen, die Sie auf der offiziellen Website von hyper.ai veröffentlichen möchten, können Sie uns gerne eine Nachricht hinterlassen oder Ihren Beitrag übermitteln!
Über HyperAI
HyperAI (hyper.ai) ist eine führende Community für künstliche Intelligenz und Hochleistungsrechnen in China.Wir haben uns zum Ziel gesetzt, die Infrastruktur im Bereich der Datenwissenschaft in China zu werden und inländischen Entwicklern umfangreiche und qualitativ hochwertige öffentliche Ressourcen bereitzustellen. Bisher haben wir:
* Bereitstellung von inländischen beschleunigten Download-Knoten für über 1200 öffentliche Datensätze
* Enthält über 300 klassische und beliebte Online-Tutorials
* Interpretation von über 200 AI4Science-Papierfällen
* Unterstützt die Suche nach über 500 verwandten Begriffen
* Hosting der ersten vollständigen chinesischen Apache TVM-Dokumentation in China
Besuchen Sie die offizielle Website, um Ihre Lernreise zu beginnen: