数据集

纪伊路上盛名在

MISATO：基于结构的药物发现的蛋白-配体复合物机器学习数据集仓库参考：https://github.com/t7morgen/misato-dataset 文献参考：https://www.nature.com/articles/s43588-024-00627-2

深度学习lover

＜数据集＞番茄叶片病害识别＜目标检测＞数据集下载链接 https://download.csdn.net/download/qq_53332949/93420927数据集格式：VOC+YOLO格式

深度学习lover

＜数据集＞电力劳保穿戴识别＜目标检测＞数据集下载链接 https://download.csdn.net/download/qq_53332949/93415647数据集格式：VOC+YOLO格式

YOLO数据集集合

无人机高分辨率多树种单木分割数据集 | 单木分割无人机林业树种识别实例分割点云遥感数据集深度学习精准林业9047期本数据集专注于无人机高分辨率遥感影像下的单木树冠分割与树种分类，服务于精准林业、生态监测及碳汇估算。数据融合正射影像、点云与矢量标注，适配实例分割、树种识别及森林参数提取等应用。

实测｜8 种多载波调制识别数据集如何生成？原理 + 完整 MATLAB 流程拆解【文末附MATLAB代码链接】本文环境：MATLAB R2021a 及以上，需要 Communications Toolbox（physconst、信道模型）与 Signal Processing Toolbox。核心代码基于 [Multicarrier Modulation Recognition] 数据集生成项目，输出文件 MWR_all_AMC_diffmod.mat。

YOLO数据集集合

排球动作识别数据集 | 排球动作体育分析动作识别9041期本数据集专注于排球比赛关键动作的视觉识别，服务于体育赛事分析、运动员训练及智能转播技术。数据涵盖五种核心动作类别，适配运动行为分析、战术统计及动作质量评估等应用。

深瞳智检(小程序)正式上线！【免费/快捷/方便】获取YOLO检测数据集数据集 · 项目源码 · 论文解读 · 一站式获取👋 大家好！相信很多同学在学习**计算机视觉（Computer Vision）**的过程中，都遇到过这些困扰：

基于 GEE 的 Sentinel-2 多光谱数据实现河流浊度指数（NDTI）遥感监测目录一、研究区与数据准备（一）研究区定义（二）数据源选择二、SR产品与云概率产品配对三、NDTI计算与水陆分离

weixin_44021329

大模型训练、微调、对齐、推理、量化、优化、数据集等本文汇总了大模型从预训练、持续预训练、后训练微调、RLHF对齐、主动学习、注意力优化、KV缓存、量化、归一化、数据集范式、评测体系等知识。

YOLO数据集集合

蚊子视觉验证数据集 | 蚊虫识别疟疾防控病媒生物细粒度分类 YOLO格式深度学习数据集本数据集专注于病媒蚊虫视觉识别，服务于公共卫生监测、疟疾防控及昆虫生态研究。数据涵盖多种按蚊、库蚊及非蚊干扰物，适配形态学鉴定辅助、蚊种自动分类及孳生地调查等场景。

基于 GEE 的 Sentinel-2 海岸线自动提取：从NDWI水体指数到Canny边缘检测全流程目录一、研究区域与时间范围设定二、Sentinel-2影像集加载与云掩膜三、中值合成四、NDWI水体指数计算

基于 GEE 的 LST 降尺度建模——利用 Sentinel-2 和 SRTM 提升 Landsat 热红外分辨率至 10 米目录一、技术背景与问题分析二、数据源与预处理（一）数据源配置（二）关键预处理操作1. Landsat LST 提取

YOLO数据集集合

一站式AI数据自动化标注与训练平台：零门槛玩转YOLO全系列模型集标注、训练、推理于一体，无需写代码，小白也能轻松训练目标检测模型！在人工智能与深度学习领域，数据标注和模型训练往往是最耗时、技术门槛最高的环节。今天为大家介绍的这款一站式AI数据自动化标注与训练平台，彻底打破了这一壁垒——它集成了数据标注、模型训练、批量推理全流程，通过可视化界面，让零基础用户也能轻松训练YOLOv8到v12全系列模型。

HyperAI超神经

128K长上下文+智能体强化训练！LFM2.5-2.6B解锁端侧大模型高效部署；DETR用Transformer斩断NMS与Anchor，重塑目标检测随着 AI 智能体逐渐从云端走向终端，如何在有限算力与内存下实现高质量的任务执行成为关键。LFM2.5-2.6B 面向这一需求打造，基于 LFM2 架构并引入 128K 长上下文与智能体强化训练，在工具调用、指令遵循和多步骤任务中展现出越级性能，可与参数规模大 4 倍的模型竞争。模型还针对主流智能体框架进行训练优化，提升实际应用中的兼容性。更值得关注的是，其在 Apple M5 Max 上推理速度可达 220 tok/s，AMD Ryzen CPU 上达 113 tok/s，内存占用低于 2.5GB，在轻

前网易架构师-高司机

带标注的羽毛球运动员，裁判，羽毛球识别数据集，识别率84.4%，2879张图，支持yolo，coco json，voc xml,文末有模型训练代码本文介绍一个专门用于识别羽毛球运动员、裁判和羽毛球的计算机视觉数据集。该数据集包含2879张高质量标注图片，在YOLO系列模型上测试识别率达到84.4%。数据集支持多种格式：YOLO标注格式、COCO JSON格式和PASCAL VOC XML格式，方便不同框架使用。文末还提供了完整的模型训练代码，帮助读者快速上手。

深度学习lover

＜数据集＞yolo 小麦麦穗识别＜目标检测＞数据集下载链接 https://download.csdn.net/download/qq_53332949/93180205数据集格式：VOC+YOLO格式

前网易架构师-高司机

带标注的扑克牌识别数据集，识别率99.5%，3083张图，支持yolo，coco json，voc xml,文末有模型训练代码本数据集专为扑克牌识别任务设计，包含3083张高质量扑克牌图像，在YOLO系列模型上实现了高达99.5%的识别准确率。数据集支持多种主流标注格式，包括YOLO格式、COCO JSON和PASCAL VOC XML，满足不同深度学习框架的需求。文末提供了完整的模型训练和验证代码，方便研究人员和开发者快速上手。

前网易架构师-高司机

带标注的浮游藻类24种数据集，识别率91.5 %数据集， 23175张图，支持yolo，coco json，voc xml,文末有模型训练代码本文介绍一个高质量的浮游藻类图像数据集，包含24种常见藻类，共计23,175张标注图像。该数据集在目标检测任务中达到了91.5%的识别率，支持YOLO系列（v7-v12、v26）、COCO JSON和Pascal VOC XML等多种标注格式。文末提供了完整的模型训练代码，方便研究者快速上手。

前网易架构师-高司机

带标注的成熟棉花识别数据集，识别率83.9%数据集，505张图，支持yolo，coco json，voc xml,文末有模型训练代码这是一个高质量的成熟棉花识别数据集，包含1505张带标注的图像，在测试中达到了83.9%的识别率。数据集支持YOLO系列模型（包括YOLOv7/v8/v9/v11/v12/v26）、COCO JSON和PASCAL VOC XML格式，文末还提供了完整的模型训练代码。

微调数据集（主流开源模型）本文系统梳理模型微调（SFT & 偏好对齐）领域的核心数据格式，从 ShareGPT、Alpaca 到 ChatML、DPO，涵盖格式设计哲学、最小化案例、推荐测试数据集，并深入讲解如何脱离高级框架，基于原生 Hugging Face API 手动准备“裸数据”。最后针对 Llama、Qwen、Mistral 等主流模型给出适配要点，并提供企业级落地的商业建议。