文档建议反馈控制台
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
发布

在单机上快速、精确的100000类别的检测

今天说的这个模型主要优势在于速度快，具体就是对于多类检测问题，检测速度可以做到和类别数目无关。...对于包含C类的物体检测而言，一个基本的框架是，训练C个分类器，对于每个候选位置，用每个分类器都判定一遍，然后做后处理融合。这样的坏处就是速度太慢，处理速度和物体类别成反比。...提出的框架中还有一点值得讨论的地方在于，100000类数据都是搜索引擎爬取的，没有经过人工标定，所以结果存在一定不准确的地方。但是定性上看，这样做确实快了很多。...随着类数增加，准确率迅速下降，这是由于哈希冲突或者哈希表的信息量达到饱和，值得注意的是红色曲线，mAP下降最少，说明当增加计算时间后，hashing-base检测器检测大数据量级的目标类是可行的。...---- 之前有提及框架的缺点，现在说说其缺点所在： 因为是在单机上进行类别检测，所以速度不是很理想，单机处理一张图像的速度需要20s，而且1000000类的mAP是0.16，从数据上看是很理想，但是距离实用性还有很长的距离

93460
    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

    鞋子分类数据集17399张69类别

    数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：17399 分类类别数：69 类别名称:[“0”...,“50”,“51”,“52”,“53”,“54”,“55”,“56”,“57”,“58”,“59”,“60”,“61”,“62”,“63”,“64”,“65”,“66”,“67”,“68”] 每个类别图片数...： 序号 类别名称 图片数 1 0 4 2 1 502 3 2 89 4 3 1132 5 4 136 6 5 8 7 6 60 8 7 54 9 8 32 10 9 487 11 10 123 12...31 63 62 128 64 63 336 65 64 121 66 65 375 67 66 26 68 67 811 69 68 119 总计 69 17399 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证...，数据集只提供准确且合理分类存放 图片示例： 类别名 0=中粗跟乐福鞋 1=中跟切尔西靴 2=中跟系带靴 3=乐福鞋 4=便鞋 5=内增高靴 6=凉鞋（休闲） 7=凉鞋（运动） 8=切尔西靴

    21900

    蘑菇分类数据集3122张215类别

    数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：3122 分类类别数：215 类别名称:[“almond_mushroom...yellow_false_truffle”,“yellow_foot_waxcap”,“yellow_stagshorn”,“yellow_stainer”,“yellow_swamp_brittlegill”] 每个类别图片数...： 序号 类别名称 图片数 1 almond_mushroom 12 2 amanita_gemmata 15 3 amethyst_chanterelle 15 4 amethyst_deceiver...yellow_stagshorn 15 214 yellow_stainer 15 215 yellow_swamp_brittlegill 15 总计 图片总数 3122 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证...，数据集只提供准确且合理分类存放 图片示例： 下载地址：https://download.csdn.net/download/FL1623863129/89399587

    23710

    蘑菇分类数据集14689张50类别

    数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：14689 分类类别数：50 类别名称:[“agaricus_augustus...tapinella_atrotomentosa”,“trametes_betulina”,“trametes_gibbosa”,“trichaptum_biforme”,“tricholoma_murrillianum”] 每个类别图片数...： 序号 类别名称 图片数 1 agaricus_augustus 341 2 agaricus_xanthodermus 304 3 amanita_amerirubescens 336 4 amanita_augusta...trametes_gibbosa 247 49 trichaptum_biforme 268 50 tricholoma_murrillianum 282 总计 图片总数 14689 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证...，数据集只提供准确且合理分类存放 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放 图片示例： 下载地址：https://download.csdn.net

    40110

    如何使用目标检测深度学习框架yolov8训练钢管管道表面缺陷VOC+YOLO格式1159张3类别的检测数据集步骤和流程

    【数据集介绍】  数据集中有很多增强图片，大约300张为原图剩余为增强图片 数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和...yolo格式txt文件) 图片数量(jpg文件个数)：1159 标注数量(xml文件个数)：1159 标注数量(txt文件个数)：1159 标注类别数：3 所在仓库：firc-dataset 标注类别名称...本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注 图片预览： 标注例子： 【训练步骤】 首先获取到数据集后截图如下： 然后将数据集压缩包解压到一个非中文和空格路径下面，比如我解压的到...下面是对这些术语的详细解释： Class： 这通常指的是模型被设计用来检测的目标类别。例如，一个模型可能被训练来检测车辆、行人或动物等不同类别的对象。 Images： 表示验证集中的图片数量。...这些指标共同构成了评估目标检测模型性能的重要框架。通过比较不同模型在这些指标上的表现，可以判断哪个模型在实际应用中可能更有效。

    29501

    水果分类数据集22万张262类别

    重要说明：图片数量太多，图片分辨率都调整为104x128 数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数...)：225639 分类类别数：262 类别名称:[“abiu”,“acai”,“acerola”,“ackee”,“alligator apple”,“ambarella”,“apple”,“apricot...： 序号 类别名称 图片数 1 abiu 1275 2 acai 1107 3 acerola 1243 4 ackee 1169 5 alligator apple 879 6 ambarella 1097...yellow plum 1031 260 yuzu 1010 261 zigzag vine 141 262 zucchini 1009 总计 262 225639 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证...，数据集只提供准确且合理分类存放 下载地址：https://download.csdn.net/download/FL1623863129/89805703

    55100

    中草药分类数据集9983张100类别

    数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：9983 分类类别数：100 类别名称:["anxixiang...wujiapi","xixin","yinchaihu","yiyiren","yujin","zhebeimu","zhiqiao","zhuru","zhuyazao","zirantong"] 每个类别图片数...zhebeimu 图片数：99 zhiqiao 图片数：99 zhuru 图片数：100 zhuyazao 图片数：103 zirantong 图片数：103 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证...，数据集只提供准确且合理分类存放 中英文映射表： { "槟榔":"binglang" "安息香":"anxixiang" "白扁豆":"baibiandou" "白矾":"baifan" "白蔹":"bailian

    28910

    对虾病害分类数据集889张7类别

    数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：889 分类类别数：7 类别名称:["baibanbing...","baizhuobing","ganweisuo","heibanbing","heisaizheng","hongtizheng","huangsaizheng"] 每个类别图片数： baibanbing...hongtizheng 图片数：160 huangsaizheng 图片数：97 重要说明：主要对虾是否生病进行分类判断，主要有黄鳃症、红体症、黑鳃症、黑斑病、肝萎缩、白浊病、白斑病 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证...，数据集只提供准确且合理分类存放 虾的图片示例（虾的具体学名叫不出来，就叫对虾吧）： 下载地址： https://download.csdn.net/download/FL1623863129/89245697

    10810

    茶叶病害分类数据集6749张7类别

    数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：6749 分类类别数：7 类别名称:["Unlabeled...","algal_spot","brown_blight","gray_blight","healthy","helopeltis","red_spot"] 每个类别图片数： Unlabeled 图片数...brown_blight 图片数：980 gray_blight 图片数：1000 healthy 图片数：1074 helopeltis 图片数：1000 red_spot 图片数：1143 重要说明：数据集里面茶叶均为单叶...，请仔细查看图片预览，斟酌下载 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放 图片预览： 下载地址： https://download.csdn.net

    26910

    6类水果好坏分割数据集labelme格式5558张14类别

    数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件) 图片数量(jpg文件个数)：5558 标注数量(json文件个数)：5558 标注类别数：14 标注类别名称...lime_bad","lime_good","banana_good","banana_bad","Orange_Bad","apple_bad","fruits","Pomegranate_Good"] 每个类别标注的框数...486 apple_bad count = 192 fruits count = 2 Pomegranate_Good count = 875 使用标注工具：labelme=5.5.0 标注规则：对类别进行画多边形框...polygon 重要说明：可以将数据集用labelme打开编辑，json数据集需自己转成mask或者yolo格式或者coco格式作语义分割或者实例分割 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证...，数据集只提供准确且合理标注 图片预览： 标注例子：

    15200

    水果检测多类水果检测数据集13374张67类别有增强

    数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：13374 标注数量...(xml文件个数)：13374 标注数量(txt文件个数)：13374 标注类别数：67 标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):[...redcurrant","salak","strawberry","sugar apple","tamarillo","tangelo","tomato","walnut","watermelon"] 每个类别标注的框数...框数 = 259 tomato 框数 = 736 walnut 框数 = 265 watermelon 框数 = 446 总框数：38576 使用标注工具：labelImg 标注规则：对类别进行画矩形框...重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注 图片预览： 标注例子：

    35011
    点击加载更多

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 粤公网安备44030502008569号

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号

      领券