Advertisement

SSDD舰船遥感数据集（YOLO）

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

简介：
简介：SSDD舰船遥感数据集（YOLO）是一个专为海上目标检测设计的大规模标注数据库，适用于训练和评估先进的船舶识别算法。 SSDD遥感舰船数据集（YOLO）

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • SSDD舰船遥感数据集（YOLO）
    优质
    简介：SSDD舰船遥感数据集（YOLO）是一个专为海上目标检测设计的大规模标注数据库，适用于训练和评估先进的船舶识别算法。 SSDD遥感舰船数据集（YOLO）
     
  • SAR遥感影像中的舰船数据集
    优质
    本数据集包含大量SAR遥感影像中舰船图像，旨在支持船舶自动识别研究，促进海洋监测与管理领域的技术进步。 数据集已经按照6:2:2的比例随机划分好，并且分别采用了YOLO格式和XML格式。
     
  • BOAT_VOCtrainval2012.zip - YOLO舰船检测数据集
    优质
    BOAT_VOCtrainval2012.zip是YOLO算法专用的数据集，包含2012年训练与验证用的舰船图像和标注信息，适用于目标检测任务。 1. YOLO舰船检测数据集 2. 类别名：boat 3. 来源：从VOCtrainva2012数据集中单类别提取得到 4. 标签格式：txt和xml两种 5. 图片数量：549张
     
  • HRSC2016遥感舰船数据的Yolov5格式版本
    优质
    本数据集为HRSC2016遥感舰船图像转换成YOLOv5训练格式，适用于目标检测任务，促进海上目标识别研究。 近期打算使用Yolov5来检测舰船数据，并对HRSC2016数据集的格式进行了调整。我采用了原数据集中训练集与验证集的数据，将图片文件格式转换为jpg，从xml标签中提取所需信息并改为了txt格式。同时制作了两组符合Yolov5要求的数据：一组是按照原有的三级分类划分，共有31个类别；另一组则是按二级分类进行整理，总共包含5个类别。
     
  • 舰船检测卫星遥感数据集（VOC+YOLO格式），含2238张图片，17个类别，压缩包为7z格式
    优质
    本数据集包含2238张舰船检测图片，采用VOC与YOLO双格式标注，涵盖17种类别，旨在促进遥感图像分析研究。以7z格式压缩便于下载及存储。 数据集格式为Pascal VOC与YOLO格式（不含分割路径的txt文件），只包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件。 图片数量：2238张 标注数量(xml及txt文件个数)：各2238份 标注类别总数：17类 具体类别名称包括：“Aircraft Carrier”、“Auxiliary Ships”、“Cargo”、“Commander”、“Container Ship”、“Cruiser”、“Destroyer”、“Dock”、“Frigate”、“Hovercraft”、“Landing”、“Oil Tanker”、“Other Ship”，“Other Warship”，“RoRo”，“Submarine”，及“Yacht”。
     
  • PaviaU遥感数据集
    优质
    PaviaU遥感数据集是由意大利帕维亚大学提供的高光谱图像数据库，主要用于分类和识别地物目标的研究与教学。 PaviaU 遥感数据集包含一个 .mat 文件，并附带地面真实标签（ground truth），适用于高光谱图像分类实验。 该数据由德国的机载反射光学光谱成像仪（Reflective Optics Spectrographic Imaging System，ROSIS-03）在2003年拍摄于意大利帕维亚城的一部分高光谱影像。此传感器能够对从 0.43 到 0.86 微米波长范围内的115个连续波段进行成像，并且图像的空间分辨率为1.3米。由于其中的12个波段受到噪声干扰，通常使用的仅是剩下的103个光谱波段所构成的影像。
     
  • 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。