Advertisement

YOLOV7结合遥感目标检测数据集，支持一键运行

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本项目基于YOLOv7框架，专为遥感图像目标检测设计。整合多种遥感数据集，提供便捷的一键式操作体验，适用于快速原型开发与研究测试。 在Yolov7上运行的NWPU遥感目标检测数据集已经配置好各项参数及权重文件，在换一台电脑的情况下仍可一键运行。有课程设计或毕业设计需求的同学可以直接使用，其中还包含了划分数据集以及转换数据格式的脚本，方便大家省心使用。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • YOLOV7结合遥感目标检测数据集，支持一键运行
    优质
    本项目基于YOLOv7框架，专为遥感图像目标检测设计。整合多种遥感数据集，提供便捷的一键式操作体验，适用于快速原型开发与研究测试。 在Yolov7上运行的NWPU遥感目标检测数据集已经配置好各项参数及权重文件，在换一台电脑的情况下仍可一键运行。有课程设计或毕业设计需求的同学可以直接使用，其中还包含了划分数据集以及转换数据格式的脚本，方便大家省心使用。
     
  • 目标检测与RSOD遥感检测结合：包含936张图像及标签的四类数据集
    优质
    本研究构建了一个包含936张图像和详细标注的四类数据集，旨在探索目标检测技术在RSOD（远程 sensing object detection）中的应用潜力。 遥感数据集为初学者提供了方便的学习资源。RSOD是一个开放的目标检测数据集，专门用于在遥感图像中进行目标检测任务。该数据集中包含飞机、油箱、运动场及立交桥等对象，并以PASCAL VOC格式进行了标注。 数据库的一个显著特点是各类别之间的样本数量较为均衡。一般而言，为了获得较好的效果，目标检测的数据集通常需要至少达到数千甚至上万的数量级。目前上传的是936张数据集图片及其对应的标签文件。 对于希望进一步扩展和增强现有数据集的用户来说，可以通过多种方法实现这一目的，如使用模糊处理、亮度调整、裁剪、旋转、平移或镜像等图像变换技术；或者采用基于深度学习的方法（例如SRGAN）进行增强。如有定制需求或其他相关咨询问题，请直接通过平台私信联系。
     
  • 港口目标检测数据集：基于遥感的HRSC数据集
    优质
    本数据集为港口环境专门设计，采用高分辨率对地观测技术（HRSC），提供丰富的船舶图像及其详细标注信息，旨在推动远程海上监控及自动化识别研究。 HRSC数据集包含27种类型的遥感地物目标，并使用oriented bounding boxes (OBB) 格式进行标注。 该数据集包括1,061张图像，每张图像的尺寸大约为1100± * 1100± * 3。总共有2,976个目标，这些目标被分为三大类和27个小类。
     
  • 《数据集》基于遥感航拍的飞机目标检测数据集
    优质
    本数据集采用遥感航拍技术收集，专注于识别和分类各种类型飞机的目标检测，为图像处理与机器学习研究提供宝贵资源。 YOLO与VOC格式的遥感航拍飞机识别数据集适用于包括YOLO系列、Faster R-CNN 和 SSD 等在内的多种目标检测模型训练。该数据集包含2398张图片，以及对应的txt标签文件和xml标签，并且已经划分为了训练集、验证集和测试集，可以直接用于YOLOv5至YOLOv10等系列算法的训练。 这个遥感航拍飞机识别数据集是为了深度学习及计算机视觉研究而设计的专业资源。它不仅能够支持YOLO系列模型的训练，还能应用于其他先进的目标检测框架中。为了提升模型训练的有效性和准确性，数据集中已经预先处理为包含不同用途的数据子集格式。 该数据集的核心是通过航拍技术获取的一系列遥感图像，并且这些图像是从广泛的地理区域采集而来。在这一特定的数据集中，所有标注的目标都是飞机，这使得研究者可以专注于某一类目标的检测任务上进行深入的研究工作。每张图片都配有详细的txt和xml格式标签文件来记录飞机的位置信息及类别。 数据集中的txt文件以简单的坐标形式提供了每个图像中标注对象（即飞机）边界框的信息；而xml格式则更为详尽，包含了位置、尺寸以及类别的详细描述，为深度学习模型的训练与验证提供关键输入。此外，还包含一个yaml文件来指定数据集中关于飞机类别信息。 由于数据集的数据量庞大，上传至百度网盘并提供了永久有效的下载链接以方便分享和获取。这使得更多研究者可以无障碍地接触和使用这个丰富的资源库。对于那些对深度学习、计算机视觉、遥感技术及目标检测等有深入研究兴趣的人来说，该数据集是一个宝贵的资料来源。 此数据集不仅提供了一大批高质量的遥感图像素材，还配备了详尽的标注信息，为实现准确高效的飞机识别任务提供了重要支持，并且有助于推动相关领域内的技术创新和进步。
     
  • 《数据集》COCO2017行人检测数据集《目标检测》
    优质
    COCO2017行人检测数据集是《目标检测》中用于训练和评估算法性能的重要资源，包含大量标注图片及行人边界框信息。 该数据集包含YOLO与VOC格式的COCO2017行人识别数据，适用于YOLO系列、Faster R-CNN、SSD等多种模型训练。图片总数为10000张，文件中包括图片、txt标签以及指定类别信息的yaml文件和xml标签。已将图片和txt标签划分为训练集、验证集及测试集，可以直接用于YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9、YOLOv10等系列算法的训练。由于资源超过1G，数据存储于百度网盘，并提供了永久有效链接供下载使用。
     
  • 基于遥感图像的泥石流目标检测数据集
    优质
    本数据集聚焦于利用遥感技术进行泥石流灾害监测，收集并标注了大量相关影像资料，旨在提升泥石流识别精度与自动化水平。 数据格式采用支持深度学习目标检测的VOC2007标准。
     
  • 水下目标检测XML数据集（支持转换为TXT）
    优质
    这是一个专为水下环境设计的目标检测XML格式数据集，并提供脚本帮助用户将其便捷地转换成TXT文件以适应不同需求和开发平台。 提供一个包含五千多张实拍水下生物目标检测数据集的资源包，其中海胆、海参、扇贝等多种海洋产品的实拍照片均被标注为xml格式文件，并附赠将这些文件转换成txt格式的Python代码。该数据集已经过测试验证可用，非常适合用于YOLO算法训练。
     
  • 关于Yolov7/8人脸识别(目标检测)的数据集
    优质
    本数据集针对Yolov7/8算法的人脸识别需求设计，包含大量标注人脸图像，旨在优化模型在复杂场景下的目标检测精度和速度。 标题：人脸识别数据集 简介： 本资源提供一个专为人脸识别领域设计的数据集，包含大量人脸图像及其对应的标签信息。该数据集旨在帮助研究者、开发者进行算法开发、模型训练以及性能评估工作。通过使用此数据集，用户能够深入了解人脸识别的技术细节，并提高系统的准确性和鲁棒性。 内容概述： 数据规模：数据集中包括数千至数万张不同性别、年龄、种族和表情的人脸样本的图像，同时涵盖了多种姿态变化的情况。 图像质量：所有图片具有高分辨率与清晰度，便于进行特征提取。部分图像是在不同的光照条件或存在遮挡的情况下拍摄的，以测试算法应对复杂环境的能力。 标签信息：每张图片都有详细的标注信息，包括人脸位置和身份标识等关键数据；某些数据集还包含面部的关键点标注，用于辅助对齐与特征抽取工作。 数据格式：图像文件采用了常见的JPEG及PNG格式，并且附带了CSV或XML形式的标签文件以方便用户处理这些资料。 使用场景：该资源适用于人脸识别、验证和检测任务的研究开发以及实际应用中。 适用人群： 本数据集适合于从事人脸识别技术研究与模型训练的专业人员，同时也欢迎对此领域感兴趣的爱好者参与进来。
     
  • RSOD-Dataset:- 用于遥感图像目标检测的开放式数据集
    优质
    RSOD-Dataset是一个专为促进遥感图像中目标检测研究而设计的开放性数据集。该数据集包含了多种场景下的高质量影像及标注信息，旨在推动相关算法的发展与应用。 RSOD数据集是一个用于遥感图像中的对象检测的开放性数据集。该数据集包含飞机、油箱、运动场以及立交桥等多种目标，并采用PASCAL VOC格式进行组织，总共包括4个文件，每个文件代表一种特定的对象类型。 具体而言，在此数据集中共有： - 189幅图像中的191个游乐场所 - 176张图片中的180座天桥 - 446幅图象中包含着总计4,993架飞机 - 以及在另外的165张图里总共可以找到大约1,586个油罐 如果您发现该数据集对您的研究或项目有所帮助，请务必引用以下文献： Y. Long，Gong Y。 Gong X。 Xiao Z 和 Liu Q，“基于卷积神经网络的遥感图像中的精确对象定位”，《IEEE地理科学与遥感学报》，第1卷5期，2017年五月。 Z Xiao, 刘Q,Tang G, 翟X斋,用于遥感图像中旋转不变目标检测的梯度直方图傅立叶变换, 未给出具体出版信息。