Advertisement

DOTA数据集的YOLO格式版本

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

简介：
本数据集为DOTA数据集的YOLO格式版本，旨在提供适用于目标检测任务中YOLO模型训练和测试的数据支持。 1. 使用长边表示法。 2. 数据集包含切割后的原始数据及标签，其中gap为200，subsize为1024。 3. 提供了yolo格式标签的可视化示例。 4. 自动删除没有目标的图像。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • DOTA数据集的YOLO格式版本
    优质
    本数据集为DOTA数据集的YOLO格式版本，旨在提供适用于目标检测任务中YOLO模型训练和测试的数据支持。 1. 使用长边表示法。 2. 数据集包含切割后的原始数据及标签，其中gap为200，subsize为1024。 3. 提供了yolo格式标签的可视化示例。 4. 自动删除没有目标的图像。
     
  • DOTA v1.5 数据集（含 YOLO 格式处理的数据）
    优质
    DOTA v1.5数据集提供大规模、高难度航空影像目标检测样本，本资源包含其YOLO格式标注数据，便于深度学习模型训练与优化。 DOTAv1.5数据集包含了经过YOLO格式处理后的数据集。可以参考相关博客中的代码进行处理。
     
  • VOC2007数据集的YOLO格式版本
    优质
    本资料介绍了将PASCAL VOC 2007数据集转换为YOLO对象检测模型所需的格式版本，提供详细的数据标注和文件组织方式说明。 我已经将数据集处理成YOLO格式，可以直接用于训练YOLO相关模型而无需进行额外的数据划分或转换工作。该数据集包含：训练集2501个样本、验证集2510个样本以及测试集4952个样本。
     
  • TinyPerson数据集的YOLO格式版本
    优质
    本数据集为TinyPerson数据集的YOLO格式版本，包含大量行人检测标注信息，适用于训练和评估行人检测模型性能。 数据集包含1532个样本图片，并已使用VOC xml和YOLO txt两种格式进行标注。其中，YOLO TXT格式的数据已经划分为了训练集、验证集和测试集，可以直接用于YOLO算法的训练。这些数据适用于小目标检测模型的训练，在机器学习、深度学习及人工智能领域具有应用价值，并且可以利用Python语言在PyCharm等开发环境中进行相关工作。
     
  • XRay YOLO格式数据集
    优质
    本数据集为XRay图像定制，采用YOLO格式标注，旨在提升医学影像中物体检测精度与速度，适用于胸部疾病辅助诊断研究。 Xray yolo格式数据集是指用于训练YOLO（You Only Look Once）模型的标记化X射线图像的数据集合。这种类型的数据集通常包含大量标注了目标位置和类别的图片，以便于深度学习算法理解和识别特定类型的物体或异常情况。 重写后的文本如下： Xray YOLO格式数据集用于训练YOLO（You Only Look Once）模型的标记化X射线图像集合。这类数据集中包含了经过精确标注的目标位置及类别信息，有助于深度学习系统更有效地辨识和分类特定对象或异常状况。
     
  • 口罩数据集，YOLO格式
    优质
    这是一个专门用于训练和测试目标检测模型的口罩数据集，采用流行的YOLO格式存储标注信息，便于研究人员使用。 口罩数据集以及YOLO格式的口罩数据集用于Yolovx模型检测是否佩戴口罩。
     
  • bdd100k数据集的Yolo格式版本（含标签和图像数据）.zip
    优质
    本资料包包含BDD100K数据集中车辆检测任务所需的数据，已转换为YOLO格式，包括标注文件与原始图像。 BDD100K数据集是由伯克利大学AI实验室（BAIR）发布的最大规模、内容最具多样性的公开驾驶数据集之一。该数据集中包含的类别有[car, bus, person, bike, truck, motor, train, rider, traffic sign, traffic light]，适用于街道车辆、行人和交通标识等识别检测任务。BDD100K的数据标签已经转换为YOLO格式，其中训练集包括70k张图片，验证集包含10k张图片。如果有任何问题，请通过平台的私信或留言功能与我联系。
     
  • PASCAL VOC 数据集的 YOLO 格式训练集
    优质
    本数据集为PASCAL VOC数据集转换成YOLO格式后的版本，适用于目标检测任务中的模型训练与评估。包含标注图像及其对应标签文件。 PASCAL VOC目标检测的YOLO格式训练集。