数据集

VibeVoice-Realtime TTS重构实时语音体验；覆盖9大真实场景，WenetSpeech-Chuan让模型听懂川话公共资源速递5 个公共数据集：* VOccl3D 三维人体遮挡视频数据集* Spatial-SSRL-81k 空间感知自监督数据集

前网易架构师-高司机

水下异物识别数据集，识别率83.4%可识别口罩,手机,瓶,手套,金属,网袋,塑料,杆,太阳镜,轮胎等常见异物并分类，支持yolo，json，xml格式的标注水下异物识别数据集，可识别口罩,手机,瓶,手套,金属,网袋,塑料,杆,太阳镜,轮胎等常见异物并分类，支持yolo，json，xml格式的标注

基于 GEE 使用 Sentinel-5P 数据实现研究区多种大气污染物（SO₂、NO₂、CO、气溶胶）监测目录一、前言二、研究区与时间基础设置三、Sentinel-5P 数据集配置四、影像集合获取函数定义与调用

【33】人头数据集(有v5/v8模型)/YOLO人头检测➷点击跳转至数据集及模型获取处☇图片数量4405张，已标注txt格式训练集验证集按3925:480划分，可直接用于目标检测训练

【宝藏数据集】LUMOS：腰椎多模态骨质疏松症筛查专用最近又挖到一个医学影像领域的宝藏数据集——LUMOS，它是首个专门为腰椎骨质疏松筛查设计的多模态数据集，目前正在ACM MM 2025 Dataset Track审核中，对做医疗AI、骨质疏松症检测相关研究的小伙伴来说超有价值，先存下来分享一波！

【宝藏数据集】MCOD：多光谱伪装目标检测首个挑战性基准最近挖到一个计算机视觉领域的稀缺宝藏数据集 ——MCOD，它是首个专门为多光谱伪装目标检测设计的挑战性基准数据集，已被 MM '25（第 33 届 ACM 国际多媒体会议）收录，对做伪装目标检测、多光谱图像处理相关研究的小伙伴来说太实用了，赶紧存下来分享一波！

weixin_45734021

旋转OBB数据集标注查看器这是一个用于可视化检查旋转边界框（Oriented Bounding Box, OBB）数据集标注的网页工具。可以帮助你快速浏览图片和对应的标注框，检查标注质量是否正确。

基于 GEE 的生态环境质量评价：遥感生态指数（RSEI）计算与空间分布可视化目录一、全局配置与基础设置（一）核心参数定义（二）波段映射配置二、数据预处理函数（一）云掩膜函数（maskclouds）

这张生成的图像能检测吗

（论文速读）多任务深度学习框架下基于Lamb波的多损伤数据集构建与量化算法论文题目：A novel Lamb wave-based multidamage dataset construction and quantification algorithm under the framework ofmulti-task deep learning（多任务深度学习框架下基于Lamb波的多损伤数据集构建与量化算法）

【Nature Communications‘24‘06】预训练多模态大语言模型通过 SkinGPT-4 提升皮肤病学诊断能力Pre-trained multimodal large language model enhances dermatological diagnosis using SkinGPT-4 阿卜杜拉国王科技大学（King Abdullah University of Science and Technology, KAUST） Nature communications (Accepted: 26 June 2024) 补充材料：https://www.nature.com/articles/s41467-

深度学习lover

＜数据集＞yolo航拍斑马线识别数据集＜目标检测＞点击下载数据集https://download.csdn.net/download/qq_53332949/92282890数据集格式：VOC+YOLO格式

基于 GEE 利用 WorldPop 数据集批量导出 100 米分辨率人口影像数据与时序分析目录一、研究区域与地图初始化二、影像裁剪函数定义三、WorldPop 数据集导入与预处理四、2020 年人口数据可视化

基于 GEE 的 MODIS 数据逐月植被覆盖度（FVC）计算与数据导出完整流程目录一、代码整体框架与依赖环境说明二、可视化参数配置三、研究区与地图定位四、NDVI 计算函数（calculateNDVI）

OCR 新范式！DeepSeek 以「视觉压缩」替代传统字符识别；Bald Classification数据集助力高精度人像分类公共资源速递1 个公共教程：* DeepSeek-OCR：利用视觉模态压缩长文本上下文的新方法5 个公共数据集：

笑脸惹桃花

目标检测数据集——路面裂缝检测数据集路面裂缝是道路病害中最常见的类型之一，及时准确的检测对道路养护、交通安全保障具有重要意义。随着深度学习在目标检测领域的快速发展，高质量的标注数据集成为模型训练的核心支撑。本文分享一份包含1029张图像的路面裂缝检测数据集，适用于裂缝检测算法开发与性能验证。

基于 GEE MODIS 数据的区域干旱监测——从植被状况指数（VCI）计算到干旱分级与空间分布可视化目录一、基础模块：研究区与时间配置（一）研究区边界定义与可视化（二）时间范围设置二、数据加载与预处理（一）MODIS NDVI 数据集选择

基于 GEE 利用 GHSL（100m）数据的区域建成区时空变化量化分析目录一、代码整体框架与设计思路二、逐模块深度解析（含代码片段与逻辑拆解）（一）模块 0：用户设置 —— 分析基础参数定义

【数据集】【YOLO】【目标检测】建筑垃圾数据集 4256 张，YOLO建筑垃圾识别算法实战训推教程。【数据集】建筑垃圾识别数据集 4256 张，目标检测，包含YOLO/VOC格式标注。数据集中包含1种分类：names: ['Construction-Waste']，代表建筑垃圾。

飞翔的佩奇

【完整源码+数据集+部署教程】【运动的＆足球】足球场地区域图像分割系统源码＆数据集全套：改进yolo11-RFAConv随着计算机视觉技术的迅猛发展，图像分割在体育分析、场景理解等领域的应用愈发广泛。足球作为全球最受欢迎的运动之一，其比赛分析、战术研究和运动员表现评估都离不开对比赛场地及球员动态的精准捕捉与分析。因此，基于深度学习的图像分割技术在足球场景中的应用具有重要的研究价值和实际意义。尤其是YOLO（You Only Look Once）系列模型，以其高效的实时检测能力和较强的准确性，成为了目标检测和分割领域的热门选择。

飞翔的佩奇

【完整源码+数据集+部署教程】【运动的＆足球】足球比赛分析系统源码＆数据集全套：改进yolo11-RFAConv随着足球运动的全球普及和竞技水平的不断提高，如何有效分析比赛过程中的关键要素，提升球队的战术决策能力，成为了体育科学研究的重要课题。传统的比赛分析方法往往依赖于人工观察和记录，效率低下且容易受到主观因素的影响。近年来，计算机视觉技术的快速发展为体育分析提供了新的解决方案，尤其是目标检测算法的应用，使得自动化分析成为可能。在此背景下，基于改进YOLOv11的足球比赛分析系统应运而生。