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。

飞翔的佩奇

【完整源码+数据集+部署教程】【天线＆水】舰船战舰检测与分类图像分割系统源码＆数据集全套：改进yolo11-repvit随着全球海洋经济的快速发展，海洋安全和海上防御的需求日益增加，舰船检测与分类技术在军事和民用领域的重要性愈发凸显。传统的舰船识别方法多依赖于人工监测和经验判断，效率低下且容易受到人为因素的影响。因此，基于计算机视觉和深度学习的自动化舰船检测与分类系统应运而生，成为提升海洋监控能力的重要手段。

深度学习lover

＜数据集＞yolo纸板缺陷识别数据集＜目标检测＞数据集下载链接https://download.csdn.net/download/qq_53332949/92184171数据集格式：VOC+YOLO格式

基于 GEE 使用 OTSU 算法赋能遥感水体自动化提取：从自动阈值计算到高效分割的水体自动分割方案目录一、初始化设置：研究区与参数定义（一）研究区加载与地图配置（二）年份参数定义二、影像预处理函数：消除噪声与还原物理意义

飞翔的佩奇

【完整源码+数据集+部署教程】【天线＆运输】直升机战机类型识别目标检测系统源码＆数据集全套：改进yolo11-CSP-EDLAN随着现代战争的日益复杂化，空中作战力量的有效识别与分类变得愈发重要。直升机作为一种灵活多变的空中作战平台，其在战场上的作用不可小觑。为了提升对直升机及其他空中目标的识别能力，基于深度学习的目标检测技术应运而生。其中，YOLO（You Only Look Once）系列模型因其高效的实时检测能力而备受关注。YOLOv11作为该系列的最新版本，具备更强的特征提取能力和更快的推理速度，适合在复杂的战场环境中进行直升机类型的识别。

前网易架构师-高司机

鸡蛋质量识别数据集，可识别染血的鸡蛋，棕色鸡蛋，钙沉积鸡蛋，污垢染色的鸡蛋，白鸡蛋，平均正确识别率可达89%，支持yolo, json, xml格式的标注鸡蛋质量识别数据集，可识别染血的鸡蛋，棕色鸡蛋，钙沉积鸡蛋，污垢染色的鸡蛋，白鸡蛋，平均正确识别率可达89%，支持yolo, json, xml格式的标注

【完整源码+数据集+部署教程】【零售和消费品＆存货】价格标签检测系统源码＆数据集全套：改进yolo11-RFAConv随着电子商务和零售行业的迅猛发展，价格标签的自动检测与识别在商品管理、库存控制和顾客服务等方面变得愈发重要。传统的人工价格标签识别方式不仅效率低下，而且容易受到人为因素的影响，导致错误率上升。因此，基于计算机视觉的自动价格标签检测系统应运而生，成为提升零售业运营效率的重要工具。近年来，YOLO（You Only Look Once）系列目标检测算法因其高效性和实时性，逐渐成为物体检测领域的研究热点。特别是YOLOv11版本的推出，进一步提升了检测精度和速度，为复杂场景下的物体识别提供了新的解决方案。

基于 GEE 的 MODIS 昼夜地表温度数据可视化与导出全流程解决方案目录一、研究区域（ROI）设置与地图初始化（一）研究区域定义（ROI）（二）地图定位与 ROI 可视化

基于 GEE MODIS 数据实现 7 大遥感指数计算与可视化目录一、核心代码分段解析（一）初始化设置与数据准备（二）波段提取（三）可视化参数设置（四）各类指数计算与可视化

【完整源码+数据集+部署教程】【运输＆加载码头】仓库新卸物料检测系统源码＆数据集全套：改进yolo11-DRBNCSPELAN随着全球经济的快速发展和电子商务的蓬勃兴起，仓储物流行业面临着前所未有的挑战与机遇。传统的物料管理方式已难以满足现代化仓库对效率、准确性和实时性的高要求。尤其是在新卸物料的检测与管理中，如何快速、准确地识别和分类不同类型的物料，成为了提升仓库运营效率的关键因素之一。基于此背景，开发一套高效的仓库新卸物料检测系统显得尤为重要。

飞翔的佩奇

【完整源码+数据集+部署教程】烟叶植株计数与分类系统源码和数据集：改进yolo11-TADDH随着全球农业生产的不断发展，植物计数与分类技术在精准农业、作物监测和管理中扮演着越来越重要的角色。传统的人工计数方法不仅耗时耗力，而且容易受到人为因素的影响，导致计数结果的不准确性。因此，利用计算机视觉技术进行植物计数与分类，成为提升农业生产效率和管理水平的有效手段。近年来，深度学习特别是目标检测算法的快速发展，为这一领域提供了新的解决方案。

【完整源码+数据集+部署教程】【零售和消费品＆存货】【无人零售】自动售卖机饮料检测系统源码＆数据集全套：改进yolo11-KernelWarehouse随着科技的迅猛发展和消费者购物习惯的改变，无人零售逐渐成为现代商业的一种新兴模式。无人零售自动售卖机以其便捷性和高效性，受到了越来越多消费者的青睐。然而，自动售卖机在商品管理和库存监控方面仍面临诸多挑战，尤其是在饮料产品的实时检测与识别方面。为了解决这一问题，基于改进YOLOv11的饮料检测系统应运而生。

【完整源码+数据集+部署教程】【零售和消费品＆存货】条形码检测系统源码＆数据集全套：改进yolo11-TADDH随着全球经济的快速发展和电子商务的蓬勃兴起，条形码作为商品识别和信息追踪的重要工具，已广泛应用于零售、物流、生产等多个领域。条形码的高效检测与识别不仅能够提升商品管理的效率，还能为消费者提供更为便捷的购物体验。然而，传统的条形码检测方法往往依赖于特定的光照条件和清晰的图像质量，容易受到环境因素的影响，导致识别率降低。因此，开发一种高效、鲁棒的条形码检测系统显得尤为重要。

经典机器学习&深度学习领域数据集介绍是一类多重变量分析的数据集，包含 3 个类，每个类 50 个元素，每个元素有 5 个属性，用来代表不同的鸢尾花。它是 UCI 机器学习数据库中的经典数据集，可通过 Scikit-learn 库直接加载，使用from sklearn.datasets import load_iris，然后通过load_iris()函数即可载入数据。

【完整源码+数据集+部署教程】遥感图像道路检测分割系统源码和数据集：改进yolo11-CARAFE研究背景与意义随着城市化进程的加速，交通管理与道路监测的重要性日益凸显。遥感技术的快速发展为道路检测与分割提供了新的解决方案，尤其是在复杂环境下，传统的人工检测方法往往效率低下且容易出错。因此，基于遥感图像的自动化道路检测系统成为了研究的热点之一。近年来，深度学习技术的进步，尤其是目标检测算法的不断演化，使得计算机视觉在道路检测领域展现出强大的潜力。YOLO（You Only Look Once）系列算法因其高效性和实时性而备受关注，尤其是YOLOv11的推出，为解决遥感图像中的道路检测问题提供了新的思路