水果目标检测数据集

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】水果目标检测数据集 【门类归属】植物与农业 / 水果类 【数据类型与任务】图像；待核查 【数据规模】8479 张图像 【文件格式】TXT 文本 【压缩包大小】下载压缩包约 500.9 MB 【数据划分】已划分 —— Fruits-detection/test（images×457）；Fruits-detection/train（images×7108）；Fruits-detection/valid（images×914）。 【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 80 张实测，宽度 640~640 像素、高度 640~640 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】 fruit-detection.zip（解压后） ├── Fruits-detection/ —— .txt×1、.log×1、.yaml×1、.pt×1 ├── Fruits-detection/test/images/ —— .jpg×457 ├── Fruits-detection/test/labels/ —— .txt×457 ├── Fruits-detection/train/images/ —— .jpg×7108 ├── Fruits-detection/train/ —— .cache×1 ├── Fruits-detection/train/labels/ —— .txt×7108 └── …… 共 9 个子目录（完整清单见 file-manifest.csv） 【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 Fruits_detection_test = ImageFolder("Fruits-detection/test") # images×457 Fruits_detection_train = ImageFolder("Fruits-detection/train") # images×7108 Fruits_detection_valid = ImageFolder("Fruits-detection/valid") # images×914 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。

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：水果目标检测数据集（原始名称 lakshaytyagi01/fruit-detection） 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）。