智慧船只分类数据集 -船只类型分类数据集
数量：该数据集包含1500张图像jpg格式
类别数量： 9
类别类型：浮标、游轮、渡船、货船、木船、充气船、皮划艇、纸船、帆船
船只类型分类数据集（使用教程 + 训练代码）
这个是图像分类数据集（不是检测），用YOLOv8 / PyTorch都能直接训练。
一、数据集信息表
| 项目 | 内容 |
|---|---|
| 数据集名称 | 船只类型分类数据集 |
| 总数量 | 1500 张 JPG 图像 |
| 任务类型 | 图像分类（Image Classification） |
| 类别数量 | 9 类 |
| 类别列表 | 0. 浮标 1. 游轮 2. 渡船 3. 货船 4. 木船 5. 充气船 6. 皮划艇 7. 纸船 8. 帆船 |
| 图片格式 | JPG |
| 适用模型 | YOLOv8-cls / YOLOv11-cls / ResNet / MobileNet |
二、数据集标准目录结构（必须这样放）
ship_cls/ ├── train/ │ ├── buoy/ │ ├── cruise/ │ ├── ferry/ │ ├── cargo/ │ ├── wooden/ │ ├── inflatable/ │ ├── kayak/ │ ├── paper/ │ └── sailboat/ ├── val/ │ └── (同上9类文件夹) └── test/ └── (同上9类文件夹)规则：每一类一个文件夹，图片直接放里面
三、最简单训练方法（YOLOv8 分类模型）
训练代码train_ship.py
fromultralyticsimportYOLO# 加载分类模型model=YOLO("yolov8m-cls.pt")# cls=classification 分类专用# 训练results=model.train(data="./ship_cls",# 数据集路径epochs=100,# 训练轮数imgsz=640,# 输入尺寸batch=16,device=0,# GPUpatience=10,project="ship_classify",name="yolov8_ship_cls")四、推理/测试代码
fromultralyticsimportYOLO model=YOLO("ship_classify/yolov8_ship_cls/weights/best.pt")# 预测一张图片results=model("test.jpg")# 输出类别print("预测类别：",results[0].names[results[0].probs.top1])print("置信度：",results[0].probs.top1conf.item())五、环境安装
conda create-nshipclspython=3.9conda activate shipcls pipinstallultralytics torch opencv-python
