训练数据集(一):真实场景下采集的煤矸石目标检测数据集,可直接用于YOLOv5/v6/v7/v8训练

简介: 本文介绍了一个用于煤炭与矸石分类的煤矸石目标检测数据集,包含891张训练图片和404张验证图片,分为煤炭、矸石和混合物三类。数据集已标注并划分为训练和验证集,适用于YOLOv5/v6/v7/v8训练。数据集可通过提供的链接下载。

数据集介绍

煤矸石训练数据集:891张;验证数据数据集:404张
数据集类别:0代表煤炭(coal),1代表矸石(gangue),2代表煤炭和矸石的混合物(coal and gangue)
所有数据都有对应的标签,可直接提供给YOLO网络进行训练,数据集已划分好
划分格式如下

root_path:
----images:
---------train:
-----------....(jpg)
---------val:
-----------....(jpg)
----labels:
---------train:
-----------....(txt)
---------val:
-----------....(txt)

原图展示
在这里插入图片描述
在这里插入图片描述
部分标注可视化结果展示
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

数据集训练精度展示

在这里插入图片描述

数据集获取方式

https://download.csdn.net/download/m0_51004308/88987233

其他煤矸石YOLO格式数据集

在这里插入图片描述
在这里插入图片描述
如需要可私聊

目录
相关文章
|
机器学习/深度学习 数据可视化 算法
基于YOLOv8的矿井内煤炭图像智能识别|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
本项目基于最新 YOLOv8 检测框架,构建了面向矿井场景的煤炭图像检测系统,支持端到端的模型训练、推理与图形界面部署。项目在实际运行中可识别煤块、杂质等不同种类目标,适合应用于煤炭分拣、矿区自动巡检等任务。
|
29天前
|
缓存 人工智能 运维
GPT-5.6 Terra与GPT-5.5实测对比:定价、性能、迁移落地全解析
2026年7月OpenAI正式推出GPT-5.6全系列模型,分为Sol旗舰、Terra均衡、Luna轻量三个版本,其中Terra作为对标前代GPT-5.5的主力均衡模型,最受研发与AI智能体团队关注。Terra最核心的特征是全套计费标准恰好为GPT-5.5的一半,输入、输出、缓存读取全部实现五折优惠,在统一上下文窗口与输出上限的前提下,大幅降低编码、长文档、智能体业务的月度算力支出。但官方并未单独披露Terra编码类基准分数,仅公布旗舰Sol的评测数据,企业无法仅凭宣传直接切换生产流量,必须通过自建A/B测试完成效果验证。本文从定价体系、算力成本测算、公开基准数据对比、不同业务场景适配逻辑、可
455 0
|
5月前
|
机器学习/深度学习 人工智能 监控
考试作弊行为目标检测数据集(5700张图片已标注)| YOLO训练数据集 AI视觉检测
本数据集含5700张考场图像,精准标注“俯身抄袭”“传递答案”“使用手机”三类作弊行为,采用YOLO标准格式(归一化txt),已划分训练/验证/测试集,适配YOLOv5-v10等模型,助力智能监考系统研发与AI行为识别研究。
|
8月前
|
新能源 数据挖掘 关系型数据库
基于python大数据的新能源汽车数据分析系统
在全球能源与环境双重压力下,新能源汽车快速发展,产生海量数据。本文设计基于Python的新能源汽车数据分析系统,结合MySQL与B/S架构,实现数据高效管理与可视化分析,助力企业优化产品、提升服务,推动产业智能化与可持续发展。
|
10月前
|
人工智能 监控 算法
睡岗检测/睡觉检测数据集(2000张图片已划分、已标注)轻松上手目标检测训练
本数据集包含2000张已标注睡岗行为图片,涵盖多种真实场景,适用于YOLO等目标检测模型训练。专为安防、工业值守、交通监控等智能识别场景设计,助力快速构建睡岗检测系统,推动AI在安全领域的落地应用。
1821 12
睡岗检测/睡觉检测数据集(2000张图片已划分、已标注)轻松上手目标检测训练
|
10月前
|
数据采集 传感器 安全
工业粉尘检测数据集:从数据采集到模型训练(4000 张图片已划分、已标注)| 适用与目标检测
本数据集包含4000张已标注、已划分的粉尘图像,训练集与验证集按3:1比例分布,支持YOLO、COCO等格式,适用于目标检测、环境监测及AIoT应用,助力工业安全与智能感知研究。
工业粉尘检测数据集:从数据采集到模型训练(4000 张图片已划分、已标注)| 适用与目标检测
|
12月前
|
机器学习/深度学习 传感器 人工智能
火灾火焰识别数据集(2200张图片已划分、已标注)|适用于YOLO系列深度学习分类检测任务【数据集分享】
在人工智能和计算机视觉的快速发展中,火灾检测与火焰识别逐渐成为智慧城市、公共安全和智能监控的重要研究方向。一个高质量的数据集往往是推动相关研究的核心基础。本文将详细介绍一个火灾火焰识别数据集,该数据集共包含 2200 张图片,并已按照 训练集(train)、验证集(val)、测试集(test) 划分,同时配有对应的标注文件,方便研究者快速上手模型训练与评估。
4493 10
火灾火焰识别数据集(2200张图片已划分、已标注)|适用于YOLO系列深度学习分类检测任务【数据集分享】
|
机器学习/深度学习 人工智能 监控
高质量人体检测与行人识别数据集-千张标注图片全解析已标注(目标检测任务数据集)分享
在计算机视觉和人工智能的发展浪潮中,人体检测与行人识别 是一个极具应用价值和研究意义的方向。从智能监控到自动驾驶,从智慧城市到公共安全,人体检测数据集的质量与规模往往直接决定了算法模型的性能。本文将围绕一个包含 上千张图片、已完成划分与标注 的 人体检测、行人识别数据集 展开介绍,帮助研究者和开发者快速了解该数据集的特点、优势及其适用场景。
|
数据可视化 Python
Visdom可视化学习笔记(一):通过visdom画曲线和显示图片总结
关于如何使用Visdom进行数据可视化的教程,包括画曲线、显示图片和文本等操作。
587 0
Visdom可视化学习笔记(一):通过visdom画曲线和显示图片总结
|
机器学习/深度学习 PyTorch TensorFlow
Pytorch学习笔记(二):nn.Conv2d()函数详解
这篇文章是关于PyTorch中nn.Conv2d函数的详解,包括其函数语法、参数解释、具体代码示例以及与其他维度卷积函数的区别。
4110 0
Pytorch学习笔记(二):nn.Conv2d()函数详解