厨具(刀、叉子、杯子、酒杯、勺子、碗)识别与检测数据集6130张-含VOC(XML)和YOLO(txt)两种格式标签(第一部分)-ITADN社区

杯子数据集4689张(VOC+YOLO格式)

优质

本数据集包含4689张图像，标注了各类杯子的位置和边界框信息，符合VOC与YOLO格式标准，适用于目标检测任务。数据集格式：Pascal VOC 格式+YOLO 格式（不含分割路径的txt 文件，仅包含jpg 图片及对应的VOC 格式xml 文件和yolo 格式txt 文件）。图片数量（jpg文件个数）：4689。标注数量（xml 文件个数）：4689；标注数量(txt 文件个数) ：4689；标注类别数：1，具体为“cup”类别。每个类别的标注框数：“cup”的框数为10543。总框数：10543。使用标注工具：labelImg。重要说明：无特别声明。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信息。

家具识别检测数据集（椅子、餐桌、床、沙发）6104张图片-包含VOC/XML及YOLO/txt双格式标签（第二部分）.zip

优质

本资料包提供了一个详尽的家具识别检测数据集，涵盖6104张椅子、餐桌、床和沙发的照片，并附有VOC/XML与YOLO/txt两种格式的标注文件。数据集分为三部分，第一部分的数据下载链接已提供。【数据集介绍】： 1. 数据集中包含大量多样化的图片，背景丰富且具有充足的数据多样性。 2. 包括四种类别的物体：椅子、餐桌、床以及沙发。 3. 使用YOLOv9-s算法训练时，准确率可达96.1%。 4. 采用精确的labelimg工具进行标注，确保无遗漏和错误。 5. 提供VOC格式及Yolo格式标签文件，适用于多种目标检测算法，并已划分好训练集与验证集。 6. 可用于YOLO系列（包括YOLOv3、YOLOv4、YOLOv5、YOLOv6、YOLOv7、YOLOv8和最新的YOLOv9）、SSD以及Faster-RCNN等算法的实验或研究中。 7. 适用于毕业设计项目，课程作业，企业实际应用等多种场景。欢迎下载使用。此数据集仅包含高质量的数据资源及科研材料，均经过严格验证确保质量可靠。

绳子检测数据集VOC+YOLO格式322张单类别.7z

优质

本数据集包含322张图片及其标注文件，适用于基于VOC和YOLO格式的绳子识别任务，便于模型训练与评估。数据集格式：Pascal VOC 格式+YOLO 格式（不包含分割路径的txt 文件，仅仅包含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(jpg 文件个数)：322 标注数量(xml 文件个数)：322 标注数量(txt 文件个数)：322 标注类别数：1 标注类别名称:[rope] 每个类别标注的框数： rope 框数 = 375 总框数：375 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：暂无特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

水杯检测的VOC与YOLO格式数据集

优质

本数据集专为水杯检测设计，包含大量标注图像，采用VOC及YOLO两种格式，适用于训练和评估目标检测模型性能。 1. 杯子检测数据集是从COCO2017数据集中提取得到的，并分别转换成了VOC和YOLO格式（即txt和xml两种标签格式），可用于YOLO杯子检测；共有两部分，这里是第二部分数据。 2. 目标类别名：cup； 3. 数量：9579。

鸟类飞行检测数据集3362张-包含VOC(xml)、YOLO(txt)和JSON三种格式标注.zip

优质

本数据集提供3362张鸟类飞行图片及其详细标注，涵盖VOC、YOLO及JSON三种格式，适用于目标检测与图像识别研究。空中飞鸟检测数据集适用于课程作业、设计项目或比赛使用。实际应用包括机场的飞鸟检测预警系统、驱赶系统以及鸟类识别与计数系统。该数据集中包含3362张图片，是博主在进行“机场飞鸟检测预警系统”项目的开发过程中所使用的资料。这些图像经过了精确标注，并且背景多样，涵盖了多种不同种类和大小的鸟类。此外，目标分布均匀，使得算法能够较好地拟合训练模型所需的数据特征。标签格式包括VOC（xml）、txt等多种形式，便于用户根据具体需求选择合适的文件类型进行处理与分析。

刀棒识别数据集1200张图片包含VOC、YOLO和JSON标签

优质

本数据集包含1200张图片，专注于刀棒类物品的识别，提供VOC、YOLO格式及JSON标签文件，适用于物体检测模型训练与评估。实际项目应用包括社区安防、学校安防以及危险器具检测等领域。数据集详情如下：刀具棍棒检测数据集中共有1200张图片，标签分为两类——[刀具] 和 [棍棒]（即[dao, bang]）。这些图像包含多种背景，并且各类别分布均匀。该数据集同时提供了voc格式的xml文件和yolo格式的txt文件作为标注信息，适合于多种目标检测算法的应用。所有图片均为纯手工精确标注，确保了高质量的数据输入以及良好的模型拟合效果。如果需要json格式标签或在使用过程中遇到任何问题，请留言说明需求。

4000张瓶子数据集VOC+YOLO格式

优质

本数据集包含超过4000个瓶子图像样本，采用Pascal VOC及YOLO格式标注，适用于物体检测任务模型训练与测试。数据集格式采用Pascal VOC与YOLO两种标准格式（不含分割路径的txt文件），包括4001张jpg图片、对应的xml标注文件以及yolo格式的txt文件，每个类别仅包含一种类型：bottle。具体统计如下： - 图片数量 (jpg 文件个数) : 4001 - 标注数量（xml 文件个数）: 4001 - 标注数量（txt 文件个数）: 4001 标注类别总数为1，即“bottle”，共标记了矩形框11280个。使用工具：labelImg 标注规则：对瓶类物体进行画矩形框操作以完成标注任务。

橙子橘子桔子病害检测数据集（VOC+YOLO格式，含2814张图片，4个类别）.zip

优质

本数据集包含2814张图像，涵盖四种橙子疾病类型，采用VOC与YOLO两种标注格式，旨在提升机器学习模型在检测柑橘病害中的准确度。数据集格式：Pascal VOC格式+YOLO格式（不包含分割路径的txt文件，仅包含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（jpg文件个数）：2814 标注数量（xml文件个数）：2814 标注数量（txt文件个数）：2814 标注类别数：4 重要说明：数据集中的橘子果实病害不是叶子病害，请仔细查看以下更多信息。标注类别名称：“blackspot”，“canker”，“fresh”，“grenning”

宠物猫狗识别数据集3947张-含XML与YOLO标签格式

优质

本数据集包含超过3900张图片，涵盖各类常见的宠物猫和狗，每张图片均配有XML及YOLO格式标注文件，适用于物体检测模型训练与评估。【数据集说明】该数据集适用于常见的深度学习目标检测算法，包含3947张图片以及VOC和YOLO格式的标签文件。猫狗图像种类丰富、标注准确，可以用于训练高质量的目标识别模型。资源质量上乘，适合科研、教学及实际项目应用，请放心下载使用！【重要提醒】 1. 数据集会不定期更新优化； 2. 通过第三方平台代为下载时请注意风险，博主不对非官方渠道下载的资源提供任何形式的技术支持或答疑。

是否确定退出登录?

厨具(刀、叉子、杯子、酒杯、勺子、碗)识别与检测数据集6130张-含VOC(XML)和YOLO(txt)两种格式标签(第一部分)

全部评论 (0)