Advertisement

VOC格式的人头标注数据集

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

简介：
本数据集包含大量以VOC格式存储的人头标注图像，旨在促进人脸识别与姿态估计研究。 VOC目录格式包含四千余张人头标注数据集；包括测试集、训练集划分脚本；修改标注名称的脚本；以及将VOC格式转换为YOLO格式的脚本。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • VOC格式的人头标注数据集
    优质
    本数据集包含大量以VOC格式存储的人头标注图像，旨在促进人脸识别与姿态估计研究。 VOC目录格式包含四千余张人头标注数据集；包括测试集、训练集划分脚本；修改标注名称的脚本；以及将VOC格式转换为YOLO格式的脚本。
     
  • 行人VOC格式标注数据集
    优质
    行人VOC格式标注数据集包含大量针对行人的精细标注图像，采用VOC标准格式存储，适用于训练和评估计算机视觉中的行人检测算法。 从VOC数据集中挑选出来的关于行人的数据集对于行人检测的训练与测试非常有用。该数据集包括train、test和val三个部分。
     
  • BDD100k VOC格式标注数据
    优质
    BDD100k VOC格式标注数据提供了大规模的交通场景视频与图像集，采用VOC格式详细注释车辆、行人等元素，助力自动驾驶及计算机视觉研究。 VOC格式的标注文件是一种常用的图像数据集标注方式，在计算机视觉任务如目标检测、语义分割等领域广泛应用。这种格式通常包含XML文件，用于描述图片中的边界框位置及类别信息。通过这种方式可以方便地进行大规模的数据标记工作，并为模型训练提供结构化的输入数据。
     
  • 行人VOC格式标注数据集（含超千张图片）.zip
    优质
    本资源为行人VOC格式标注数据集，包含超过一千张图像及对应的XML文件，适用于目标检测算法训练与测试。 我们有一个使用VOC格式标记行人的数据集，包含超过1000张图片，适用于行人检测的训练任务，并且只有一类标签：person。
     
  • 已标注的烟雾火焰数据集（VOC格式）
    优质
    本数据集包含了大量已标注的烟雾和火焰图像，遵循PASCAL VOC数据格式标准，适用于火灾检测与识别研究。 共有4999张图片，这些图片包含“烟雾”和“火焰”两个标签。其中，“火焰”的标注较为完整，而由于图像分辨率等因素的影响，“烟雾”的标注质量较差。“火焰”的AP值在使用YOLO训练后达到了约0.7，而“烟雾”的AP值约为0.5。这组图片来自多个不同的来源，并且存在一定的重复情况。
     
  • 苹果目标检测VOC格式的YOLO标签数据集标注
    优质
    本数据集包含针对苹果进行目标检测的YOLO格式标签，基于VOC标准进行标注，适用于训练和评估苹果识别模型。 YOLO苹果缺陷目标检测数据集包含700张高质量的真实场景图片，格式为jpg。该数据集涵盖了丰富的应用场景，并分为训练集和验证集两部分。使用lableimg标注软件进行图像标注，确保了标注框的质量，标签采用VOC格式（即xml标签），可以直接用于YOLO系列的目标检测任务中。
     
  • VOC格式标注的变电站缺陷检测数据集
    优质
    本数据集包含大量以VOC格式标注的变电站设备缺陷图像，旨在促进电力系统智能运维研究和算法开发。 变电站缺陷检测数据集采用VOC格式进行标注： - 表计读数有错：bjdsyc，共657个文件。 - 表计外壳破损：bj_wkps，共481个文件。 - 异物鸟巢：yw_nc，共834个文件。 - 箱门闭合异常：xmbhyc，共368个文件。 - 盖板破损：gbps，共568个文件。 - 异物挂空悬浮物：yw_gkxfw，共679个文件。 - 呼吸器硅胶变色：hxq_gjbs，共1140个文件。 - 表计表盘模糊：bj_bpmh，共828个文件。 - 绝缘子破裂：jyz_pl，共389个文件。 - 表计表盘破损：bj_bpps，共694个文件。 - 渗漏油地面油污：sly_dmyw，共721个文件。 - 未穿安全帽：wcaqm，共467个文件。 - 未穿工装：wcgz，共661个文件。 - 吸烟：xy，共578个文件。
     
  • VOC格式的行人跌倒数据集
    优质
    本数据集包含多种环境下行人跌倒事件的VOC格式标注信息，旨在提升智能监控系统中跌倒检测算法的准确性和鲁棒性。 行人跌倒数据集采用VOC格式提供。
     
  • 已标注好的4405张教室人脸识别数据集（YOLO和VOC格式）
    优质
    本数据集包含4405张教室场景图像，其中的人脸及位置信息已被精确标记，并提供YOLO和VOC两种格式，适用于人脸检测研究与模型训练。 在人工智能与计算机视觉领域内，一个高质量的数据集对于模型训练至关重要。特别是在教室环境下的人脸识别研究方面，具备精确标注的数据集能够显著提升系统的性能及准确性。 本段落将详细介绍一项包含4405张图像的教室人脸识别数据集，这些图片已经过详细标注，并支持YOLO和VOC格式，可以无缝应用于各种机器学习项目与科研工作。该数据集专为教室环境设计，涵盖了多样的光照条件、面部角度以及表情变化，同时包含了不同年龄层的学生及教师。 每张图像均附有精确的面部定位坐标及其标签信息，符合流行的YOLO（You Only Look Once）和VOC（Visual Object Classes）标注标准。这意味着研究人员与开发者无论选择哪种目标检测框架都可以直接使用该数据集而无需进行额外转换或预处理工作。 采用YOLO格式注释可以加快实时人脸识别系统的部署速度，因其具备出色的检测效率及准确性，在实际应用中广受青睐；同时支持VOC格式则使此数据集同样适用于基于PASCAL VOC挑战的研究需求。
     
  • 1197张图像的受电弓数据集（VOC格式标注）训练集
    优质
    本数据集包含1197张图像及其标注文件，采用VOC格式详细记录了高速列车受电弓信息，适用于机器学习与计算机视觉领域的研究和应用。 受电弓数据集以VOC格式提供，包含1197张训练图像、114张评估图像以及57张验证图像。这些图片主要由安装在车顶的相机拍摄而成，部分则为地面拍摄所得。该数据集适用于使用YOLO与PyTorch进行目标识别任务，并且包含了jpg图像和xml文件以支持深度学习模型的训练。