高空作业和安全带佩戴检测数据集，采用VOC和YOLO格式，包含2546张图像，涵盖4个类别。

5星

浏览量: 0

大小:None

文件类型：7Z

简介：
数据集采用Pascal VOC格式和YOLO格式进行组织，其中不包含分割路径的文本文件（txt），仅包含JPEG图像以及相对应的Pascal VOC格式的XML文件和YOLO格式的TXT文件。图像数量（JPEG文件总数）为2546个，标注数量（XML文件总数）也为2546个，同样，标注数量（TXT文件总数）也达到了2546个。该数据集包含4个不同的标注类别，这些类别分别对应于：ground（地面人物）、jhxz（监护勋章红色）、offground（人物离地）和safebelt（安全带）。每个类别标注的框的数量如下：ground标注框数为2223个，jhxz标注框数为673个，offground标注框数为2478个，safebelt标注框数为1725个。因此，总共标注了7099个框。用于进行标注的工具是labelImg，标注方式是通过绘制矩形框来标记目标物体。需要特别注意的是，“ground”表示人物位于地面，“jhxz”指的是带有红色监护勋章，“offground”则表示人物处于空中状态，“safebelt”则代表佩戴安全带的情况。关于更多相关信息，可以参考以下链接：

全部评论 (0)

还没有任何评论哟~

客服

电力行业高空作业安全带检测数据集（VOC+YOLO格式，含147张图片，4个类别）.7z

优质

该数据集包含147张图像和4种类别标签，采用VOC及YOLO格式标注，专为电力行业高空作业安全带识别与检测设计，助力提升相关领域AI训练精度。数据集格式为Pascal VOC和YOLO格式（不含分割路径的txt文件）。包含147张jpg图片、对应的VOC格式xml文件以及yolo格式txt文件各147个，标注类别有4种：aqd_wpd(安全带未佩戴)、aqd_wzqpd(安全带未正确佩戴)、aqd_zqpd(安全带正确佩戴)和gkzy_yrjh（高空作业有人监护）。具体框数为： - aqd_wpd: 47个 - aqd_wzqpd: 49个 - aqd_zqpd：51个 - gkzy_yrjh：1个总标注框数量为148。使用labelImg工具进行矩形框标注，确保每个类别的准确性和合理性。请注意，本数据集不对训练模型或权重文件的精度提供任何保证；我们仅提供精确且合理的标注信息。

航空发动机缺陷检测数据集（VOC+YOLO格式），含291张图片和4个类别.7z

优质

本数据集包含291张图片及四个类别的标注信息，采用VOC与YOLO格式存储，专为训练航空发动机缺陷检测模型设计。数据集格式采用Pascal VOC与YOLO两种格式结合的方式（不含分割路径的txt文件，仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件）。图片数量：291张标注数量：291个（包括xml和txt文件）标注类别总数为4种：标注类别名称分别为：“crease”、“damage”、“dot”、“scratch”。

自然灾害检测数据集VOC+YOLO格式19151张4类别自然灾害检测数据集VOC+YOLO格式19151张4类别

优质

\n在当今的信息时代，机器学习和深度学习技术的快速发展，使得在计算机视觉领域对大规模、高质量的标注数据集的需求日益迫切。特别是在自然灾害检测领域，准确及时地识别和评估各种自然灾害事件具有重要的社会意义和实用价值。数据集作为机器学习模型训练的基础，其质量和多样性直接影响模型的性能。本文所述的自然灾害检测数据集正是为应对这一需求而设计。\n\n该数据集遵循Pascal VOC格式和YOLO格式，包含19151张标注图片，涵盖“倒树”、“滑坡”、“道路坍塌”、“石头”等四种类别的自然灾害。在标注方面，数据集采用labelImg标注工具进行图像中的特定灾害进行标注，并通过画矩形框的方式来指示灾害在图像中的具体位置。这种标注方式不仅直观、操作简便，而且非常符合实际应用中对于目标检测任务的需求。\n\n数据集的来源包括原始图片及其增强图片，其中原图约占数据集的1/3，剩下的2/3是经过图像增强处理后的图片。图片增强技术通常包括旋转、缩放、剪裁、颜色变换等方法，增强后的图片可提供给训练模型更多的视觉变体，帮助模型泛化，减少过拟合的风险，提高模型在真实世界中的鲁棒性和准确性。\n\n数据集中的每张图片都有对应的VOC格式的XML标注文件和YOLO格式的TXT标注文件，分别用于满足不同训练框架和算法的需要。VOC格式的XML文件通常包含目标的位置、尺寸、类别等信息，而YOLO格式的TXT文件以其简洁高效著称，更适合用于实时性强的目标检测算法。尽管数据集不包含分割路径的TXT文件，但其提供的图片及标注文件已足够为研究者提供丰富的信息资源，用于开发和评估目标检测模型。\n\n值得注意的是，数据集提供的19151张图片中，每个类别都包含了相当数量的样本。例如，“倒树”类别的框数为11037，“滑坡”类别的框数为7818，“道路坍塌”类别的框数为6416，“石头”类别的框数更是达到了25155，总计达到了50426个标注框。这一数字表明数据集具有相当的规模，能够提供给训练模型足够的学习样本，从而有望训练出性能优秀的检测模型。\n\n在使用该数据集进行模型训练之前，研究人员和工程师需要了解本数据集不包含对训练模型或权重文件精度的任何保证，用户需要自行评估数据集的合理性与准确性。此外，对于任何与数据集相关的问题，用户应自行解决，数据集的提供者不承担任何责任。在实际应用中，用户需要对数据集进行预处理，如图片的缩放、归一化，对标注文件进行解析等，使之适用于特定的模型和框架。\n\n为了展示数据集的应用效果，提供了少量图片的标注例子，这些例子可以帮助用户直观理解数据集的质量和标注的准确性。这不仅可以作为数据集质量和适用性的参考，也为用户学习如何使用该数据集提供了有力的示范。\n\n该自然灾害检测数据集集合了大量高质量标注图片，能够满足深度学习在自然灾害检测领域的研究和应用需求。尽管数据集的提供者对模型训练结果不提供保证，但其庞大的规模和丰富的类别覆盖，为研究者提供了一个宝贵的资源，有望促进相关技术的发展和应用。

关于佩戴手套的检测数据集，包括VOC和YOLO格式

优质

本数据集包含了有关佩戴手套的各种场景的检测信息，同时支持VOC与YOLO两种格式，适用于训练和评估手势识别模型。我们收集了一个包含1500多张戴手套和未戴手套图片的数据集，可以直接用于训练是否佩戴手套的检测模型。

考场作弊行为检测数据集（VOC+YOLO格式，含4413张图片，4个类别）.7z

优质

本数据集包含4413张图像，用于识别考试中的作弊行为，采用VOC和YOLO格式标注，涵盖4种类别，适用于训练检测模型。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)：4413 标注数量(xml文件个数)：4413 标注数量(txt文件个数)：4413 标注类别数：4 标注类别名称:[Cheatcode,Cheating,NonCheating,mobiledetrction] 每个类别标注的框数： - Cheatcode 框数 = 428 - Cheating 框数 = 8730 - NonCheating 框数 = 4022 - mobiledetrction 框数 = 3611 总框数：16791 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，仅提供准确且合理的标注。

轮胎瑕疵检测数据集（VOC+YOLO格式），含2154张图片，4个类别.7z

优质

本数据集包含2154张图像，用于轮胎瑕疵检测，支持VOC和YOLO格式，涵盖四种不同类型缺陷，适用于训练高效的瑕疵识别模型。数据集采用Pascal VOC格式与YOLO格式（不含分割路径的txt文件），仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件。总共有2154张图片，每一张都有相应的标注文件。 - 使用了四种不同的类别进行标注：debris、ground、side 和 side_cut。 - 各类别的具体框数如下： - debris: 1599个 - ground: 564个 - side: 188个 - side_cut: 493个总计标注了2844个边界框。使用的标注工具为labelImg。

猫行为检测数据集采用VOC与YOLO格式，包含5997张图片，共五个类别

优质

该资源为[数据集][目标检测]形式的“猫的行为识别”数据集，采用VOC与YOLO融合的格式，包含5,997张图片，涵盖5个分类类别。

RSNA肺炎检测数据集（VOC+YOLO格式），含6012张图像，1个类别.7z

优质

该数据集包含6012张图像，专门用于训练和评估肺炎检测模型，以VOC和YOLO两种格式提供，便于快速集成到不同类型的深度学习项目中。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)：6012 标注数量(xml文件个数)：6012 标注数量(txt文件个数)：6012 标注类别数：1 标注类别名称:[meat] 每个类别标注的框数： meat 框数 = 9555 总框数：9555 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

非机动车检测数据集VOC+YOLO格式4141张4个类别.zip

优质

样本图：blog..net/2403_88102872/article/details/144165259文件体积过大不适合直接上传至服务器进行下载，请确保在电脑端资源详情页面查看并下载数据集。具体格式如下：采用Pascal VOC和YOLO两种格式存储图片数据，其中图像文件为.jpg格式，对应的标注文件分别为VOC格式的xml文件和yolo格式的txt文件（不包含分割路径的类型）。数据集包含以下内容：jpg图片数量：4141个；xml标注文件数量：4141份；txt标注文本数量：4141件。具体分类如下：包括bicycle、electricvehicle、person和tricycle四种类别，其对应的框数分别为5363、10328、11048和1623个，总计框数为28362个。在标注制作过程中，主要使用labelImg软件完成，并遵循对各类别进行精准框图的规则。特别说明：目前该数据集仅提供基本级别的标注信息，并未对训练过程中的模型或权重文件精度作出任何承诺，数据集仅保证准确性和合理性。