Advertisement

停车位识别数据集（Yolo版本）

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

简介：
该数据集专为基于YOLO算法的停车位检测设计，包含大量标注图片，适用于训练和测试智能停车系统中的目标检测模型。 PKLot数据集包含从监控摄像机帧中提取的12,416张停车场图像。这些图像是在晴天、阴天和雨天拍摄的，并且停车位被标记为有人或空着的状态。该数据集附带源代码及训练好的车位占用模型。如果您希望获取此数据集，请通过私信留下您的邮箱以及所需的数据集名称，我们将免费发送给您（请注意回复可能不会即时）。另外，若您在有关研究的出版物中引用了PKLot论文并注明其来源，则可以使用该数据库。 参考文献： Almeida, P., Oliveira, L. S., Silva Jr., E., Britto Jr., A., Koerich, A. (2015). PKLot: A robust dataset for parking lot classification. Expert Systems with Applications, 42(11), 497-506.

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 停车位识别数据集（Yolo版本）
    优质
    该数据集专为基于YOLO算法的停车位检测设计，包含大量标注图片，适用于训练和测试智能停车系统中的目标检测模型。 PKLot数据集包含从监控摄像机帧中提取的12,416张停车场图像。这些图像是在晴天、阴天和雨天拍摄的，并且停车位被标记为有人或空着的状态。该数据集附带源代码及训练好的车位占用模型。如果您希望获取此数据集，请通过私信留下您的邮箱以及所需的数据集名称，我们将免费发送给您（请注意回复可能不会即时）。另外，若您在有关研究的出版物中引用了PKLot论文并注明其来源，则可以使用该数据库。 参考文献： Almeida, P., Oliveira, L. S., Silva Jr., E., Britto Jr., A., Koerich, A. (2015). PKLot: A robust dataset for parking lot classification. Expert Systems with Applications, 42(11), 497-506.
     
  • 《目标检测》停车场空位识别数据集
    优质
    本数据集专注于停车场空位识别，包含大量车辆停放及空置区域标注图像，旨在推动智能交通系统中目标检测技术的发展与应用。 该数据集包含YOLO与VOC格式的停车场空位识别内容，适用于多种模型训练如YOLO系列、Faster R-CNN 和 SSD 等。它包括两个类别：space-empty（停车位为空）和 space-occupied（停车位被占用）。文件中包含了图片、txt 标签以及指定类别的yaml 文件，并且还包括了xml标签。数据集已经将图片和txt标签划分为训练集、验证集和测试集，可以直接用于YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9 和 YOLOv10等算法的训练。 由于资源超过1G，已上传至百度网盘，并提供了永久有效的链接。
     
  • YOLO车辆与行人识别数据集
    优质
    YOLO车辆与行人识别数据集是一个大规模标注的数据集合，专为训练和测试物体检测算法设计，涵盖各种交通环境下的车辆及行人图像。 YOLO车辆行人识别数据集包含两个目标类别：person和car。该数据集中共有5000多张图片用于行人与车辆的检测任务，标签格式有txt和xml两种版本，并分别保存在不同的文件夹内。 关于数据集的具体内容及使用情况可以参考相关文章介绍。
     
  • Yolov5停车区域识别数据集.zip
    优质
    本资料包包含用于训练和评估基于YOLOv5模型的停车区域识别系统的标注图像数据集，适用于智能交通系统研究与开发。 PKLot 数据集包含从监控摄像头帧中提取的 12,416 张停车场图像。这些图像是在晴天、阴天和雨天拍摄的，并且停车位被标记为已占用或空置状态。通过将原始数据集中旋转矩形注释框包围在一个边界框内，实现了对原始注释向各种标准对象检测格式的转换。如果有需要获取该数据集的学生可以私聊我留下邮箱以及所需的数据集名称，我会免费发送，并请理解回复可能不会那么及时。
     
  • YOLO车辆与行人四类识别数据集
    优质
    简介：该数据集专为车辆及行人类别的检测设计，涵盖多种交通场景下的图像标注信息，旨在提升基于YOLO算法的目标识别精度。 YOLO车辆行人四类别识别数据集包含四个目标类别：person、car、bus 和 truck。该数据集中有4000多张用于检测行人的图片以及车辆的图片，标签格式为txt和xml两种，分别保存在两个不同的文件夹中。 数据集及检测结果参考相关博客文章的内容描述了YOLO模型在这套数据集上的应用情况。
     
  • YOLO茶叶识别数据集
    优质
    YOLO茶叶识别数据集是一个专为茶叶分类和识别设计的大规模图像数据库，结合先进的YOLO算法，旨在提升茶叶行业的自动化与智能化水平。 YOLO茶叶检测数据集使用lableimg软件进行标注，包含真实场景中的高质量jpg图片，标签有两种格式：VOC格式和yolo格式，并分别保存在两个文件夹中，可以直接用于YOLO系列茶树上的茶叶检测；该数据集中包含了丰富的场景变化；类别为tea共一个目标。
     
  • YOLO花卉识别数据集
    优质
    YOLO花卉识别数据集是一个专为实现高效、精准的花卉图像分类和检测而设计的大规模标注数据集合。 YOLO鲜花检测数据集使用lableimg软件进行标注，包含真实场景的高质量jpg图片。标签有两种格式：VOC和yolo，分别存储在不同的文件夹中，可以直接用于YOLO系列的目标检测任务。该数据集涵盖丰富的应用场景，并包括桃花、梨花和玫瑰花三种类别。 此描述基于的数据集及其应用效果可以参考相关文献或博客文章进行深入研究。
     
  • YOLO数据集：碗底识别
    优质
    本项目基于YOLO算法开发，专注于碗底识别技术，旨在提升物体底部特征检测精度与效率，适用于各类图像识别场景。 684张使用LabelImg软件标注的真实场景高质量图片数据，格式为jpg，分别保存在不同目录中。可以直接用于碗底检测，数据场景丰富；包含碗底类别（具体查看classes.txt文件）。为了方便查看数据，提供了可视化py文件，随机传入一张图片即可绘制边界框，并且保存在当前目录。脚本无需更改，可以直接运行以生成可视化图像。关于YOLOV5的检测以及改进方法可以参考相关文献和博客文章。
     
  • YOLO步迹识别数据集
    优质
    YOLO步迹识别数据集是一个大规模的行为识别数据集合，专为评估和推进基于视频的人体运动理解技术而设计。 YOLO（You Only Look Once）是一种广泛应用于目标检测领域的深度学习模型。它的核心思想是将图像分割成多个网格，每个网格负责预测其中是否存在一个或多个对象，并给出对象的边界框和类别概率。这个足迹识别数据集专为训练YOLO模型设计，用于帮助追踪行为或生物识别。 该数据集包含4690张图片，这些图片已经被精心地划分为训练集、验证集和测试集。训练集用于模型的学习，验证集在训练过程中用来评估模型性能并调整超参数，而测试集则在最后用于评估模型的泛化能力，确保模型能够在未见过的数据上表现良好。 数据集中可能包含`images`目录存放所有图片，并根据集合类型进一步划分；`labels`目录对应每一张图片的标注信息，这些信息通常以txt格式存储。例如，txt文件中的每一行代表一个目标，格式可能是类别的ID 左上角X坐标 左上角Y坐标 右下角X坐标 右下角Y坐标。 此外，数据集可能包含`data.yaml`文件来定义整个数据集的元信息，如各个集合的图片路径、类别信息和划分比例。这对于理解和处理数据集非常有帮助，开发者可以通过解析yaml文件快速获取相关信息，并进行模型训练前的准备工作。 使用这个YOLO足迹识别数据集时，首先需要预处理数据，包括读取图片及其标签并将其转换成适合YOLO模型使用的格式。接着可以利用预训练的YOLO模型进行迁移学习或从头开始训练新模型。在训练过程中会涉及诸如学习率调度、数据增强和优化器选择等关键步骤。 完成模型训练后，可以通过验证集评估其性能指标如平均精度（mAP）、召回率及精确度，并最终用测试集检验模型的未知数据处理能力。该YOLO足迹识别数据集为开发目标检测应用提供了完整框架，特别适用于追踪分析足迹等领域。它涵盖了从准备到训练和评估的所有环节，对于深入理解和实践YOLO以及目标检测技术具有重要价值。
     
  • YOLO船舶识别数据集更新版
    优质
    YOLO船舶识别数据集更新版是对现有船舶检测模型的数据支持进行增强和优化，提供大量标注清晰的海上船只图片及视频，旨在提升目标检测算法在复杂海况下的准确性和实时性。 YOLO txt格式的船舶识别数据集包含5000张图片，标签共有10类：BULK CARRIER、CONTAINER SHIP、GENERAL CARGO、OIL PRODUCTS TANKER、PASSENGERS SHIP、TANKER、TRAWLER、TUG、VEHICLES CARRIER 和 YACHT。