【65】扑克牌数据集(有v5/v8模型)/YOLO扑克牌检测

文章目录

  • [1 数据集介绍](#1 数据集介绍)
    • [1.1 说明](#1.1 说明)
    • [1.2 类别](#1.2 类别)
  • [2 训练好的模型结果](#2 训练好的模型结果)
    • [2.1 YOLOv5模型结果](#2.1 YOLOv5模型结果)
    • [2.2 YOLOv8模型结果](#2.2 YOLOv8模型结果)
  • [3 数据集获取](#3 数据集获取)

➷点击跳转至数据集及模型获取处☇

1 数据集介绍

1.1 说明

图片数量10100张,已标注txt格式
训练集验证集按8080:2020划分,可直接用于目标检测训练

1.2 类别

类别:
0: 10C(梅花 10)
1: 10D(方块 10)
2: 10H(红桃 10)
3: 10S(黑桃 10)
4: 2C(梅花 2)
5: 2D(方块 2)
6: 2H(红桃 2)
7: 2S(黑桃 2)
8: 3C(梅花 3)
9: 3D(方块 3)
10: 3H(红桃 3)
11: 3S(黑桃 3)
12: 4C(梅花 4)
13: 4D(方块 4)
14: 4H(红桃 4)
15: 4S(黑桃 4)
16: 5C(梅花 5)
17: 5D(方块 5)
18: 5H(红桃 5)
19: 5S(黑桃 5)
20: 6C(梅花 6)
21: 6D(方块 6)
22: 6H(红桃 6)
23: 6S(黑桃 6)
24: 7C(梅花 7)
25: 7D(方块 7)
26: 7H(红桃 7)
27: 7S(黑桃 7)
28: 8C(梅花 8)
29: 8D(方块 8)
30: 8H(红桃 8)
31: 8S(黑桃 8)
32: 9C(梅花 9)
33: 9D(方块 9)
34: 9H(红桃 9)
35: 9S(黑桃 9)
36: AC(梅花 A)
37: AD(方块 A)
38: AH(红桃 A)
39: AS(黑桃 A)
40: JC(梅花 J)
41: JD(方块 J)
42: JH(红桃 J)
43: JS(黑桃 J)
44: KC(梅花 K)
45: KD(方块 K)
46: KH(红桃 K)
47: KS(黑桃 K)
48: QC(梅花 Q)
49: QD(方块 Q)
50: QH(红桃 Q)
51: QS(黑桃 Q)



2 训练好的模型结果

2.1 YOLOv5模型结果

有yolov5-v7.0训练好的模型结果 (训练100轮、预训练模型yolov5s.pt、mAP0.995)

2.2 YOLOv8模型结果

有yolov8训练好的模型结果 (训练100轮、预训练模型yolov8n.pt、mAP0.995)

3 数据集获取

➷电脑端点击下方介绍视频给出➷
➷手机端点击文章末尾名片获取➷

【65】扑克牌数据集(有v5/v8模型)/YOLO扑克牌检测

相关推荐
2601_9516599914 小时前
YOLOv11 改进 - 主干网络 ConvNeXtV2全卷积掩码自编码器网络:轻量级纯卷积架构破解特征坍塌难题,提升特征多样性
深度学习·yolo·计算机视觉
极光代码工作室16 小时前
基于YOLO目标检测的智能监控系统
python·深度学习·yolo·机器学习·计算机视觉
2601_9516599917 小时前
YOLOv11 改进 - 下采样 轻量化突破:ADown 下采样让 YOLOv11 参量减、精度升
深度学习·yolo·计算机视觉
stsdddd20 小时前
YOLO系列目标检测数据集大全【第五十七期】
人工智能·yolo·目标检测
2601_9516599920 小时前
YOLOv11 改进 - 主干网络 EfficientRep:一种旨在提高硬件效率的RepVGG风格卷积神经网络架构
深度学习·yolo·计算机视觉
FL162386312920 小时前
养猪场耳标检测数据集VOC+YOLO格式744张1类别有增强
深度学习·yolo·机器学习
鹤入云霄21 小时前
YOLOv8摔倒检测系统:从原理到系统
yolo
FriendshipT21 小时前
Ultralytics:解读C2模块
人工智能·pytorch·python·深度学习·目标检测
FriendshipT1 天前
Ultralytics:解读Attention模块
人工智能·pytorch·python·深度学习·目标检测
FL16238631294 天前
Apex检测数据集Apex Legend游戏敌友方检测数据集VOC+YOLO格式5671张3类别
yolo·游戏·机器学习