分類場景數據集大全「包含數據標注+訓練腳本」 (持續原地更新)

一、作者介紹:六年+算法開發經驗、AI 算法經理、阿里云專家博主。擅長:檢測、分割、理解、大模型?等算法訓練與推理部署任務。

二、數據集介紹

  • 質量高:高質量圖片、高質量標注數據,吐血標注、整理,可以作為訓練模型的基礎數據集或者作為原數據集的很好補充皆可;
  • 范圍廣:數據集涉及目標場景范圍廣,避免算法收斂到某一、某些固定場景;
  • 分類格式:采用文件夾來區分不同的目標類別;
  • 附加訓練腳本:提供了 YOLO11cls一鍵訓練腳本,另外還提供了博主本地的訓練結果日志可供參考;
  • 注意:由于數據集資源超過 1G,所以托管在我的百度網盤,所以這里獲取到的資源格式是 PDF,內附數據集基本情況介紹以及數據集獲取方式

下載說明:點擊數據集對應的藍色超鏈接即可跳轉自行下載,如還未添加藍色超鏈說明該數據集還在標注中還沒發布,如果其他類型的數據集可以私信聯系博主。另外未來新增數據集本帖原地更新,分類相關數據集匯總篇不再另開新篇,建議收藏關注 ~

另外,博主整理的其他AI訓練數據集大全傳送如下:

  • 目標檢測數據集下載大全傳送:目標檢測數據集大全「包含VOC+COCO+YOLO三種格式+劃分腳本+訓練腳本」(持續原地更新)

目錄

生活相關

垃圾分類數據集

動植物相關

水果分類數據集

?花卉分類數據集

?植物分類數據集

其他

場景分類數據集

更多數據集更新中


生活相關

垃圾分類數據集

  • 數據集介紹:日常垃圾分類數據集,真實場景高質量圖片數據;
  • 適用實際項目應用:公共場所監控場景下垃圾分類項目,以及作為監控場景通用垃圾分類數據集場景數據的補充;
  • 數據集類別:carboard、glass、metal、paper、plastic、trash;
  • 標注說明:采用文件夾來區分不同的目標類別,標注質量高,可以直接用于如 YOLOCLS 的算法訓練;
  • 附贈訓練示例:提供 YOLO11cls 一鍵訓練腳本,提供博主訓練結果日志供參考;

數據集點擊藍色鏈接下載 (若想要更多數量數據集請聯系博主~):

  • 2300 張圖片:目標分類-垃圾分類數據集-2300張圖-+對應分類文件夾整理+YOLO11cls一鍵訓練腳本
  • 更多:待更新


動植物相關

水果分類數據集

  • 數據集介紹:水果分類數據集,真實場景高質量圖片數據;
  • 適用實際項目應用:水果分類項目,以及作為通用分類數據集場景數據的補充;
  • 數據集類別:Watermelon、Tomato、Strawberry、Raspberry、Potato Red、Pomegranate、Plum、Pineapple、Pepper Red、Pepper Green、Pear、Peach、Passion Fruit、Papaya、Orange、Onion White、Mango、Limes、Lemon、Kiwi、Grape Blue、Cucumber Ripe、Corn、Clementine、Cherry、Cantaloupe、Cactus fruit、Blueberry、Banana、Avocado、Apricot、Apple Granny Smith、Apple Braeburn;
  • 標注說明:采用文件夾來區分不同的目標類別,標注質量高,可以直接用于如 YOLOCLS 的算法訓練;
  • 附贈訓練示例:提供 YOLO11cls 一鍵訓練腳本,提供博主訓練結果日志供參考;

數據集點擊藍色鏈接下載 (若想要更多數量數據集請聯系博主~):

  • 16000 張圖片:目標分類-水果分類數據集-16000張圖-+對應分類文件夾整理+YOLO11cls一鍵訓練腳本
  • 更多:待更新


?花卉分類數據集

  • 數據集介紹:花卉分類數據集,真實場景高質量圖片數據;
  • 適用實際項目應用:自然場景花卉分類項目,以及作為通用分類數據集場景數據的補充;
  • 數據集類別:water_lily、tulip、sunflower、rose、iris、dandelion、coreopsis、common_daisy、carnation、california_poppy、calendula、black_eyed_susan、bellflower、astilben;
  • 標注說明:采用文件夾來區分不同的目標類別,標注質量高,可以直接用于如 YOLOCLS 的算法訓練;
  • 附贈訓練示例:提供 YOLO11cls 一鍵訓練腳本,提供博主訓練結果日志供參考;

數據集點擊藍色鏈接下載 (若想要更多數量數據集請聯系博主~):

  • 13000 張圖片:目標分類-花卉分類數據集-13000張圖-+對應分類文件夾整理+YOLO11cls一鍵訓練腳本
  • 更多:待更新


?植物分類數據集

  • 數據集介紹:植物分類數據集,真實場景高質量圖片數據;
  • 適用實際項目應用:自然場景植物分類項目,以及作為通用分類數據集場景數據的補充;
  • 數據集類別:
  • 標注說明:采用文件夾來區分不同的目標類別,標注質量高,可以直接用于如 YOLOCLS 的算法訓練;
  • 附贈訓練示例:提供 YOLO11cls 一鍵訓練腳本,提供博主訓練結果日志供參考;

數據集點擊藍色鏈接下載 (若想要更多數量數據集請聯系博主~):

  • 21000 張圖片:目標分類-植物分類數據集-21000張圖-+對應分類文件夾整理+YOLO11cls一鍵訓練腳本
  • 更多:待更新


其他

場景分類數據集

  • 數據集介紹:自然場景分類數據集,真實場景高質量圖片數據;
  • 適用實際項目應用:自然場景下場景分類項目,以及作為通用場景分類數據集場景數據的補充;
  • 數據集類別:buildings、forest、glacier、mountain、sea、street;
  • 標注說明:采用文件夾來區分不同的目標類別,標注質量高,可以直接用于如 YOLOCLS 的算法訓練;
  • 附贈訓練示例:提供 YOLO11cls 一鍵訓練腳本,提供博主訓練結果日志供參考;

數據集點擊藍色鏈接下載 (若想要更多數量數據集請聯系博主~):

  • 14000 張圖片:目標分類-場景分類數據集-14000張圖-+對應分類文件夾整理+YOLO11cls一鍵訓練腳本
  • 更多:待更新


更多數據集更新中

其他數據集需求私信聯系博主 ~

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/909094.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/909094.shtml
英文地址,請注明出處:http://en.pswp.cn/news/909094.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

從硬件視角審視Web3安全:CertiK CTO主持Proof of Talk圓桌論壇

6月10日,在備受矚目的全球Web3與AI峰會Proof of Talk 2025上,CertiK首席技術官Li Kang博士主持了一場聚焦“Web3錢包與托管安全”(Web3 Wallet and Custodial Security)的圓桌論壇。本次論壇從硬件與系統軟件的底層視角出發&#…

從DevOps到AIOps:智能體如何接管持續交付流程

引言:從DevOps到AIOps的時代躍遷 DevOps 作為軟件開發與運維一體化的最佳實踐,已經廣泛應用于現代軟件工程體系中。在 CI/CD(持續集成/持續交付)的支撐下,軟件交付從季度變為月度、從周變為日,乃至分鐘級更…

MAC-安裝Homebrew、安裝Git

1.首先嘗試用中科大和清華的源發現不行 中國科學技術大學(USTC)提供了 Homebrew 的鏡像倉庫,同步官方更新,適合國內用戶。 安裝命令??: /bin/bash -c "$(curl -fsSL https://mirrors.ustc.edu.cn/brew/install.sh)" 步驟說明??: 復制上述命令到終端,按…

flutter基礎面試知識匯總(二)

一、全局狀態管理工具-----GetX、Provider、Bloc 1.Provider Provider 是 Flutter 中一個流行的狀態管理庫,它簡化了數據共享和狀態管理的過程。它通過依賴注入的方式,讓不同的 Widget 共享數據,而無需過多地傳遞參數。Provider也是官方推薦…

基于YOLOv12的電力高空作業安全檢測:為電力作業“保駕護航”,告別安全隱患!

在電力行業,尤其是高空作業場景,安全隱患無處不在。高空作業本身就存在著極高的風險,尤其是對于電力維護和檢修工作來說,稍有不慎便可能造成嚴重的安全事故。傳統的安全監管方式,如人工巡檢和視頻監控,存在…

大話軟工筆記—需求分析匯總

需求調研和分析完成,可匯總形成兩份文檔:需求規格說明書和解決方案。 1. 需求規格說明書 1.1 主要內容 引言,包括項目目的、背景、用語等基礎信息。項目概述,對項目自身的說明、包括范圍、主要處理對象、與其他系統的關系等。功…

openstack實例創建過程分析

用戶驗證 1、某用戶以登錄web界面或執行rc文件的方式,通過RESTful API向keystone獲取credentials; 2、keystone進行authentication,若正確則生成并返回auth-token; 3、以攜帶auth-token的形式,在web界面或命令行cli&a…

安卓首次啟動Fallbackhome是否可以直接去除?--學員作業

背景: 有學員朋友在vip群提出一個需求相關的問題,他想要把settings裁剪掉,但是發現裁剪后Fallbackhome肯定就沒了,發現Launcher居然無法啟動了,一直處于Bootanimation的畫面,無法進入系統。 針對這個去除…

C++ 實現環形緩沖區

環形緩沖區(Ring Buffer)是一種常見的用于數據流緩沖的結構,通常用于生產者-消費者模型、音視頻處理等場景。 因為環形緩沖區使用的場景大多為性能敏感的場景,我們采用數組的數據結構和位運算來實現,以提高代碼效率。…

MySQL虛擬列:一個被低估的MySQL特性

前言 最近在做訂單系統重構時,遇到了一個有趣的問題。 系統里有很多地方都要計算訂單的總價(數量單價),這個計算邏輯分散在各個服務中,產生了不少相似甚至重復的代碼。 代碼評審時,同事提出了一個建議 —…

音頻導入規范

一般音頻可以交給策劃來導入提交,需要遵循一些規范,下面是我們實際項目用到的一些規范 1、Force To Mono: 勾選,強制單聲道。(可以減少音效文件的內存占用) 2、Normalize: 勾選,引…

使用html寫一個倒計時頁面

一個使用 HTML、CSS 和 JavaScript 實現的倒計時頁面,包含動態效果和響應式布局: 功能特點: 動態效果: 每個時間單元帶有 hover 動畫(懸浮時輕微上浮)倒計時數字實時更新,精確到秒結束時自動更換背景顏色并顯示提示信息響應式設計: 適配移動端屏幕(屏幕寬度小于600px…

spring boot源碼和lib分開打包

1.項目通過maven引入的jar多了之后&#xff0c;用maven打出的jar會非常龐大&#xff0c;我的是因為引入了ffmpeg的相關jar,所以&#xff0c;每次上傳服務更新都要傳輸好久&#xff0c;修改maven打包方式&#xff0c;改為源碼和lib分離模式 2.maven的pom.xml配置如下 <build…

計算機網絡筆記(三十)——5.2用戶數據報協議UDP

5.2.1UDP概述 一、UDP 的定義 用戶數據報協議 (User Datagram Protocol, UDP) 是傳輸層的無連接、不可靠協議。它提供最小化的協議機制&#xff0c;僅支持數據報的簡單傳輸&#xff0c;不保證數據順序或可靠性。 二、UDP 的核心特點 無連接 通信前無需建立連接&#xff0c;直…

Java異步編程之消息隊列疑難問題拆解

前言 在Java里運用消息隊列實現異步通信時&#xff0c;會面臨諸多疑難問題。這里對實際開發中碰到的疑難為題進行匯總及拆解&#xff0c;使用RabbitMQ和Kafka兩種常見的消息隊列中間件來作為示例&#xff0c;給出相應的解決方案&#xff1a; 一、消息丟失問題 消息在傳輸過程…

香橙派3B學習筆記10:snap打包C/C++程序與動態鏈接庫(.so)

esnap打包C/C程序與動態鏈接庫&#xff08;.so&#xff09; 之前已經學會了snap基本的打包程序&#xff0c;現在試試打包C/C程序與動態鏈接庫&#xff08;.so&#xff09; ssh &#xff1a; orangepi本地ip 密碼 &#xff1a; orangepi 操作系統發行版&#xff1a; 基于 Ubun…

【Python工具開發】k3q_arxml 簡單但是非常好用的arxml編輯器,可以稱為arxml殺手包

k3q_arxml 介紹 倉庫地址1 倉庫地址2 極簡的arxml編輯庫&#xff0c;純python實現 用法 from pprint import pp # 可以美化打印對象&#xff0c;不然全打印在一行 import k3q_arxml # 加載arxml文件 io_arxml k3q_arxml.IOArxml(filepaths[test/model_merge.arxml])# 打印…

【CSS-8】深入理解CSS選擇器權重:掌握樣式優先級的關鍵

CSS選擇器權重是前端開發中一個基礎但極其重要的概念&#xff0c;它決定了當多個CSS規則應用于同一個元素時&#xff0c;哪條規則最終會被瀏覽器采用。理解權重機制可以幫助開發者更高效地編寫和維護CSS代碼&#xff0c;避免樣式沖突帶來的困擾。 1. 什么是CSS選擇器權重&…

大語言模型原理與書生大模型提示詞工程實踐-學習筆記

&#x1f4d8; 第五期書生葡語實戰營講座總結 &#x1f399; 主講人&#xff1a;王明&#xff08;東部大學 數據挖掘實驗室 博士生&#xff09; 一、大語言模型的生成原理 架構基礎&#xff1a;采用 Transformer&#xff08;Decoder-only&#xff09;架構&#xff0c;如 GPT …

李沐 《動手學深度學習》 | 實戰Kaggle比賽:預測房價

文章目錄 1.下載和緩存數據集2.數據預處理讀取樣本預處理樣本數值型特征處理特征標準化的好處離散值處理轉換為張量表示 訓練K折交叉驗證模型選擇最終模型確認及結果預測代碼總結提交到Kaggle 房價預測比賽鏈接&#xff1a;https://www.kaggle.com/c/house-prices-advanced-reg…