该数据集用于水面漂浮物目标检测任务。

项目信息

编号：Dataset-52
大小：7G

数据信息

图片数量: 总计：52403 张。训练集 36671 张, 验证集 10482 张, 测试集 5250 张
标注文件格式: YOLO的txt格式可以直接用于模型训练。

类别信息

类别：7类 [‘渔业废料漂浮物’,’玻璃废料漂浮物料’,’金属废料漂浮物料’,’自然废料漂浮物’,’油污泄漏漂浮物’,’塑料废料漂浮物’,’可回收废料漂浮物’]
标签(names): [‘fishing waste’, ‘glass waste’, ‘metal waste’, ‘natural waste’, ‘oil spills’, ‘plastic waste’, ‘recyclable waste’]

性能指标

模型的性能指标 mAP 、Precision 和 Recall ，分别用蓝色、绿色和红色表示。所有指标都达到了较高水平，显示出模型的综合性能非常优秀。

模型性能评估与训练过程分析

1.训练过程相关
训练和验证指标曲线

展示了训练和验证阶段的损失变化趋势（如 box_loss、cls_loss）和性能指标（如 mAP、Precision、Recall）。
可以直观展示模型的训练过程是否收敛、是否过拟合或欠拟合。

2.性能评估相关
Precision-Recall 曲线

展示了模型对所有类别的分类性能（Precision 和 Recall 之间的权衡），并提供mAP值。
评估模型整体性能的重点图表。

3.分类细节分析
混淆矩阵

混淆矩阵提供了分类任务中各类别的详细分类结果（正确分类与误分类的情况）。
作为分类细节分析，用于深入探讨分类表现和混淆问题。

目标检测训练数据可视化

目标检测训练过程中，模型对数据的可视化结果，主要展示了多个类别目标的检测边框和类别标注情况。整体检测表现较好，但可以通过优化标注和模型训练进一步提升精度和鲁棒性。

文件目录

Tipps：完整项目文件清单如下：

声明：本站所有项目资源都可以正常运行，亲测无错！而且我们录制了演示视频，在我们注明的环境版本下，项目运行效果完全和演示视频一致。客服QQ：下载须知