Advertisement

[数据集][VOC][正版]煤气罐检测数据集（VOC格式）- 1832张.zip

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

简介：
本数据集包含1832张图片，遵循Pascal VOC标准格式，专为煤气罐检测设计，适用于训练和测试目标检测模型。 数据集格式：Pascal VOC（不含分割的txt文件，仅包含jpg图片及对应的xml） 图片数量（jpg文件个数）：1832 标注数量（xml文件个数）：1832 标注类别数：1 标注类别名称：tank 每个类别的标注框数：tank总计 2288个 使用工具：labelImg 标注规则：对目标对象进行矩形框选 重要说明：本数据集仅提供准确且合理的标注，不保证训练模型或权重文件的精度。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • [数据集][VOC][正版]煤气罐检测数据集（VOC格式）- 1832张.zip
    优质
    本数据集包含1832张图片，遵循Pascal VOC标准格式，专为煤气罐检测设计，适用于训练和测试目标检测模型。 数据集格式：Pascal VOC（不含分割的txt文件，仅包含jpg图片及对应的xml） 图片数量（jpg文件个数）：1832 标注数量（xml文件个数）：1832 标注类别数：1 标注类别名称：tank 每个类别的标注框数：tank总计 2288个 使用工具：labelImg 标注规则：对目标对象进行矩形框选 重要说明：本数据集仅提供准确且合理的标注，不保证训练模型或权重文件的精度。
     
  • [数据集][VOC][正版]奔跑检测数据集（VOC格式）- 3248张
    优质
    本数据集提供3248张图像，遵循PASCAL VOC标准，专注于奔跑动作识别与分析，适用于计算机视觉领域研究。 数据集采用Pascal VOC格式存储（不含分割的txt文件），仅包含jpg图片及对应的xml文件。 - 图片数量：3248张 - 标注数量：3248个标注文件(xml) - 标注类别数：两类 - 类别名称包括：running 和 nr - 其中，running 表示正在奔跑的场景； - 而 nr 为 not running 的缩写，代表除了奔跑外的所有负样本。 - 每个类别的标注框数量： - “running” 类别有4036个边界框 - “nr”类别有1875个边界框 此数据集使用labelImg工具进行标注。需特别说明的是，该数据集仅提供准确且合理的标签信息，并不对训练模型或权重文件的精度做出任何保证。
     
  • [数据集][VOC][正版]猪的VOC数据集-2856张
    优质
    这是一个包含2856张图像的正版猪的VOC数据集，适用于物体检测、图像分类等计算机视觉任务的研究与开发。 数据集格式：Pascal VOC（仅包含jpg图片及其对应的xml文件） 图片数量（jpg文件个数）：2856 标注数量（xml文件个数）：2856 标注类别数：1 标注类别名称：pig 每个类别标注的矩形框数目：pig 类别共有 5335 个矩形框。 使用标注工具：labelImg 标注规则：对目标进行矩形标记。
     
  • 智能社区煤气罐检测数据集（1071张图片）包含VOC、YOLO和JSON标签格式.zip
    优质
    本数据集提供1071张图片及对应VOC、YOLO和JSON格式标签，用于训练智能社区中煤气罐检测模型。含丰富场景标注信息，助力提升安全监测效率与准确性。 煤气罐检测数据集适用于课程作业、设计项目及比赛，并在实际应用如智慧社区与智能安防领域具有重要价值，特别是在煤气罐识别与告警系统中发挥作用。 该数据集中包含1071张图片，背景多样且复杂，目标大小不一并涵盖各种角度。标签以VOC（xml）、YOLO（txt）和JSON三种格式提供，确保多种目标检测算法可以直接应用。所有标注均为手工完成，保证了高精度的目标框定位以及良好的模型拟合效果。 整体而言，数据集的质量可靠且具备较高的多样性与实用性。
     
  • [数据集][VOC][正版]厨师帽检测数据集共2090张
    优质
    本数据集包含2090张图片，专为厨师帽目标检测设计，适用于各类基于图像的目标识别与定位研究。 数据集格式：Pascal VOC（不含分割的txt文件，仅包含jpg图片及对应的xml） 图片数量（jpg文件个数）：2090 标注数量（xml文件个数）：2090 标注类别数：2 标注类别名称：chef hat、head 每个类别的框数： - chef hat count = 4174 - head count = 1553 使用工具：labelImg 标注规则：对各类别进行矩形标记 重要说明：暂无特别说明
     
  • [数据集][VOC][正版]人员跌倒数据集VOC-8067张
    优质
    本数据集包含8067张图像，专注于检测和识别人员跌倒场景，适用于VOC格式，为研究与开发提供宝贵资源。 数据集格式为Pascal VOC（不含分割的txt文件），仅包含jpg图片及其对应的xml标注文件。总共有10564张图片及相应的10564个标注文件，涉及2个类别：person 和 down。 具体标记数量如下： - person 类别框数总计9031 - down 类别框数总计3087 使用工具为labelImg进行矩形框的绘制。数据集主要关注人员跌倒和不跌倒两类情况，其中down表示跌倒状态，person则代表非跌倒状态。 由于用户反馈不佳，我们更新并优化了该数据集以提高其质量与实用性。请注意：本数据集不对训练模型或权重文件的精度作任何保证，仅提供准确且合理的标注信息。 最后更新时间是2023年2月11日。
     
  • [数据集][VOC][正版]打架检测数据集含3146张图片
    优质
    本数据集提供3146张图像，专为打架行为识别设计，适用于训练和评估相关算法模型。包含正版授权，确保数据使用合法性。 数据集格式：Pascal VOC（仅包含jpg图片及对应的xml文件） 图片数量（jpg文件个数）：3146 标注数量（xml文件个数）：3146 标注类别数：2 标注类别名称：nofight、fight 每个类别的标注框数： - nofight count = 1288 - fight count = 2170 使用工具：labelImg 特别声明：本数据集不对训练的模型或权重文件精度作任何保证，仅提供准确且合理的标注。 标注规则：如果两人明显存在打架行为并包含肢体接触，则标记为fight；否则应标记为nofight。请注意非打架行为的数据同样需要进行标注以避免误检测。 重要说明：此数据集经过yolov5训练验证，有部分数据加入到训练中。
     
  • 【目标检测数据集】跨越栏杆检测数据集512张VOC+YOLO格式.zip
    优质
    本数据集包含512张图片，旨在帮助训练和测试物体检测模型在复杂场景中准确识别并定位跨越栏杆的行为。以VOC与YOLO两种格式提供，便于多种框架使用。 数据集格式：Pascal VOC格式与YOLO格式（不含分割路径的txt文件，仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件）。 图片数量（jpg文件个数）：512 标注数量（xml文件个数）：512 标注数量（txt文件个数）：512 标注类别数：1 标注类别名称：[climbing] 每个类别的标注框数： climbing 框数 = 599 总框数：599 使用标注工具：labelImg