葡萄丛检测和分割数据集
见 README_中文.md。
数据预览
数据交付
本条目提供数据和数据说明，暂未提供可运行教学案例。需要自行完成建模或实验。
数据集介绍
【数据集名称】葡萄丛检测和分割数据集 【门类归属】植物与农业 / 水果类 【数据类型与任务】图像/表格；待核查 【数据规模】539 张图像 【文件格式】TXT 文本 【压缩包大小】下载压缩包约 2.03 GB 【数据划分】已划分 —— Models/ObjectDetection（model-multi-class×18、single_class_model×18）；Models/Segmentation（Multi-Class-Segmentation×21、SingleClass×21）；MyData/Chardonnay（images×38）；MyData/PinotGris（images×110、misc×1）；MyData/PinotNoir（images×101）；SAMPreds（images×100）；TestImages/Chardonnay（images×5）；TestImages/PinotNoir（images×3）；TestImages/SauvignonBlanc（images×3）；TestImages/sam_preds（images×11）；thsant/Chardonnay（images×46）；thsant/SauvignonBlanc（images×43）。 【标签或字段】有标签：每张图像存放在以类别名命名的文件夹里，文件夹名就是这张图的类别；完整的字段与类别说明见压缩包内的数据字典文件 data-dictionary.csv。 【类型关键参数】图像尺寸不统一：随机抽取 78 张实测，宽度 1344~3600 像素、高度 1024~2250 像素。标注方式：每张图片所在文件夹的名字就是它的类别，不需要额外的标注文件。 【目录结构】 grape-grapes.zip（解压后） ├── Models/ObjectDetection/model-multi-class/ —— .jpg×11、.png×7、.pt×2、.yaml×1 ├── Models/ObjectDetection/single_class_model/ —— .jpg×11、.png×7、.yaml×1、.0×1 ├── Models/ObjectDetection/single_class_model/weights/ —— .pt×2 ├── Models/Segmentation/Multi-Class-Segmentation/ —— .png×11、.jpg×10、.yaml×1、.1×1 ├── Models/Segmentation/Multi-Class-Segmentation/weights/ —— .pt×2 ├── Models/Segmentation/SingleClass/ —— .png×11、.jpg×10、.yaml×1、.0×1 └── …… 共 35 个子目录（完整清单见 file-manifest.csv） data.yaml 【怎么使用】 图片已经按类别分好了文件夹，文件夹的名字就是图片的类别，不需要额外的标注文件。做深度学习的话，用 PyTorch 两行代码就能全部读入： from torchvision.datasets import ImageFolder Models_ObjectDetection = ImageFolder("Models/ObjectDetection") # model-multi-class×18、single_class_model×18 Models_Segmentation = ImageFolder("Models/Segmentation") # Multi-Class-Segmentation×21、SingleClass×21 MyData_Chardonnay = ImageFolder("MyData/Chardonnay") # images×38 MyData_PinotGris = ImageFolder("MyData/PinotGris") # images×110、misc×1 MyData_PinotNoir = ImageFolder("MyData/PinotNoir") # images×101 SAMPreds = ImageFolder("SAMPreds") # images×100 test = ImageFolder("TestImages/Chardonnay") # images×5 test = ImageFolder("TestImages/PinotNoir") # images×3 test = ImageFolder("TestImages/SauvignonBlanc") # images×3 test = ImageFolder("TestImages/sam_preds") # images×11 thsant_Chardonnay = ImageFolder("thsant/Chardonnay") # images×46 thsant_SauvignonBlanc = ImageFolder("thsant/SauvignonBlanc") # images×43 每个类别有多少张图片，见压缩包内的 file-manifest.csv。 【数据体检结果】 · 数据体检未发现问题，可放心使用。
来源与使用许可
原作者：nicolaasregnier
许可证：Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
仅供免费非商业分享。0 积分不代表可以商用，请遵守原许可证；再次分享须保留作者、来源和许可声明。
整理与使用信息
本站处理内容
本站已完成的工作： 1. 中文名称与用途说明整理（对照原站信息逐项核对）； 2. 全量文件清点与 SHA256 校验（file-manifest.csv，可溯源）； 3. 自动质检报告（quality-report.json：结构、编码、重复、标注一致性等）； 4. 数据字典整理（data-dictionary.csv，字段/类别中英对照）； 5. 预览样例抽取（preview/，供购买前判断内容）。
中文整理说明
门类：植物与农业 / 水果类（依据《数据集中文分类体系》） 中文命名：葡萄丛检测和分割数据集（原始名称 nicolaasregnier/grape-grapes） 已知问题：自动检查未发现问题（详见 quality-report.json） 配套文档：简明说明.md、README_中文.md、数据字典、文件清单、质检报告、预览样例（均随网盘下载包提供）。