Advertisement

已完成的数据集标注和汽车仪表盘数据集压缩包。

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


简介:
该项目对汽车仪表盘的字符识别任务,需要利用从网络上收集到的、清晰度较高的仪表盘位置相关数据集。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 整理并.zip
    优质
    本数据集包含大量已整理和标注的汽车仪表盘图像,适用于自动驾驶、车辆状态识别等相关研究领域。 项目需求是进行汽车仪表盘的字符识别。为此选取了网上一些位置比较清晰的仪表盘数据集作为研究资料。
  • .rar
    优质
    该资源为已完成标注的车辆相关图像和视频数据集,包含多种车型、不同场景及光照条件下的高质量样本,适用于自动驾驶、目标检测等领域的研究与开发。 车辆数据集已经标注完成。车辆数据集已经标注完成。车辆数据集已经标注完成。车辆数据集已经标注完成。车辆数据集已经标注完成。车辆数据集已经标注完成。车辆数据集已经标注完成。车辆数据集已经标注完成。车辆数据集已经标注完成。
  • CCPD2020划分并
    优质
    CCPD2020数据集是一套经过细致划分和标注的车辆牌照识别数据集合,专为提升车牌检测与识别技术精度而设计。 CCPD2020数据集包含以下内容: 1. det_datasets:包括“train”、“val”、“test”的数据及其对应的det_label。 2. rec_datasets:对车牌图片进行了切分,并将标注信息写在了rec_label中。 此外,还提供了划分数据集所需的代码。使用方法是调整好路径环境后运行.py文件即可得到完整的划分和标注信息。拿到该数据集后,只需修改txt文件中的路径信息就可以直接使用其中的标注和图片。如果需要扩展数据集,则按照文档提供的格式进行补充添加即可。 数据集结构如下: ``` datasets: |----label |--------test |------------crop_imgs |--------train |------------crop_imgs |--------val |------------crop_imgs |--test |--train |--val |--unzip_ccpd2020.py ```
  • 含8000张图片口罩
    优质
    本项目成功构建了一个独特的口罩图像数据库,内含8000张已标注图片,为面部识别与疫情防控研究提供了宝贵的资源。 已标注好的口罩数据集包括face和mask两部分。
  • 机动、自行、摩托巴士及XML
    优质
    本数据集包含各类交通工具图像及其XML格式标注文件,涉及机动车、自行车、摩托车和巴士,适用于计算机视觉研究与应用。 该数据集包含超过3000张图片,主要来源于自行拍摄及整理的VOC2012标准格式的数据。这些图像涵盖了国内外各种机动车、自行车、摩托车和巴士,并且包括了晴天、阴天、雨天以及低能见度天气等多种复杂场景。所有图片均已标注完成。 该数据集非常适合用于深度学习模型训练,特别是适用于YOLOv5算法的训练任务,在嵌入式比赛中也有很好的应用前景。使用预训练模型YOLOv5s.pt进行300轮迭代后可以达到较好的检测效果。 分类包括:bus(巴士)、car(机动车)、motorbike(摩托车)和bicycle(自行车)。
  • multi30k
    优质
    Multi30K数据集压缩包包含了30,000多条英语到德语和法语的平行文本对,适用于机器翻译任务的研究与开发。 Multi30k数据集是torchtext中包含的机器翻译相关数据集之一。在运行PyTorch教程《使用torchtext进行语言翻译》时,如果因为网络原因无法自动下载该数据集,可以将压缩包解压并放置到torchtext的root目录下以继续运行。
  • 红绿灯及TXT文件
    优质
    本资源提供包含多个城市十字路口高清视频的“红绿灯数据集”及其对应的TXT格式标注文件,便于交通信号识别研究。 红绿灯数据集包含2000多张图片,这些图像均来源于网络及个人拍摄,全部为中国境内的红绿灯场景,并涵盖了晴天、阴天、雨天以及低能见度等复杂天气条件。所有图片均已标注完毕,适用于深度学习任务,特别是用于YOLOv5模型的训练。使用YOLOv5s.pt版本进行300轮迭代后可获得良好的检测效果。数据集中的类别包括green(绿灯)、red(红灯)、yellow(黄灯)和none(无信号)。
  • 光伏板缺陷检测
    优质
    这是一个包含已标记光伏板缺陷的数据集合,旨在促进机器学习模型的研发与优化,提高光伏板检测效率和准确性。 - Crack - Grid - Spot