Advertisement

7574张图片的五类安全帽颜色检测数据集(VOC+YOLO格式).7z

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:7Z


简介:
本数据集包含7574张图像,用于五种类型的安全帽颜色识别任务,支持PASCAL VOC和YOLO两种标注格式,适用于目标检测研究与模型训练。 重要说明:数据集包含23张增强图片,请仔细查看样本预览,确认符合要求后再下载。所有图片的分辨率为640x640。 样本图片请参考相关博文。 数据集格式为Pascal VOC格式+YOLO格式(不包括分割路径的txt文件),仅包含jpg图片、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):7574 标注数量(xml文件个数):7574 标注数量(txt文件个数):7574 标注类别总数为5,分别为: - 蓝色 (blue) - 红色 (red) - 白色 (white) - 未戴头盔 (without_helmet) - 黄色 (yellow) 每个类别的标注框数量如下: 蓝色 框数 = 6098 红色 框数 = 10623 白色 框数 = 8815 未戴头盔 框数 = 10456 黄色 框数 = 9121 总框数量:45113 使用标注工具为labelImg。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 7574VOC+YOLO).7z
    优质
    本数据集包含7574张图像,用于五种类型的安全帽颜色识别任务,支持PASCAL VOC和YOLO两种标注格式,适用于目标检测研究与模型训练。 重要说明:数据集包含23张增强图片,请仔细查看样本预览,确认符合要求后再下载。所有图片的分辨率为640x640。 样本图片请参考相关博文。 数据集格式为Pascal VOC格式+YOLO格式(不包括分割路径的txt文件),仅包含jpg图片、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):7574 标注数量(xml文件个数):7574 标注数量(txt文件个数):7574 标注类别总数为5,分别为: - 蓝色 (blue) - 红色 (red) - 白色 (white) - 未戴头盔 (without_helmet) - 黄色 (yellow) 每个类别的标注框数量如下: 蓝色 框数 = 6098 红色 框数 = 10623 白色 框数 = 8815 未戴头盔 框数 = 10456 黄色 框数 = 9121 总框数量:45113 使用标注工具为labelImg。
  • YOLOv5-包含yolovoc标注
    优质
    简介:本数据集专为YOLOv5设计,聚焦于工地安全帽检测任务,提供详尽的图像及其标注文件(支持Yolo与VOC格式),助力优化模型性能。 YOLOV5安全帽检测数据集可以采用Yolo格式或VOC格式进行存储。这种数据集用于训练YOLOv5模型以识别图像中的安全帽。
  • 拐杖(VOC+YOLO,含2778,1个别).7z
    优质
    本数据集包含2778张图片,标注了单一物体类别——拐杖的数据,采用VOC及YOLO两种格式,适用于目标检测模型训练与测试。 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):2778 标注数量(xml文件个数):2778 标注数量(txt文件个数):2778 标注类别数:1 标注类别名称:[whitecane] 每个类别标注的框数: - whitecane 框数 = 4635 总框数:4635 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:视频采集截图图片,场景类似,请参考相关博文。
  • 绳子VOC+YOLO322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
  • 小麦病害VOC+YOLO),含899,12个别.7z
    优质
    本数据集包含899张图片及12种类别的小麦病害标注信息,同时提供VOC和YOLO两种格式文件,便于模型训练与检测。 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文件及yolo格式txt文件。 - 图片数量:899张 - 标注数量(xml文件):899个 - 标注数量(txt文件):899个 标注类别包括12种,具体如下: - CrownAndRootRot 框数 = 268 - HealthyWheat 框数 = 282 - LeafRust 框数 = 131 - PowderyMildew 框数 = 323 - WheatAphids 框数 = 173 - WheatCystNematode 框数 = 103 - WheatLooseSmut 框数 = 171 - WheatRedSpider 框数 = 182 - WheatScab 框数 = 300 - WheatSharpEyespot 框数 = 105 - WheatStalkRot 框数 = 136 - WheatTake-all 框数 = 117 总框数:2291个。 使用标注工具为labelImg,规则是对类别进行矩形框标注。
  • 螺丝螺母VOC+YOLO,含2100,13个别).7z
    优质
    本数据集包含2100张图像及对应的标注信息,适用于螺丝和螺母的检测任务。涵盖13种类别,提供VOC与YOLO两种格式,便于研究者进行模型训练与测试。 数据集格式为Pascal VOC格式与YOLO格式(不含分割路径的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):2100 标注数量(xml文件个数):2100 标注数量(txt文件个数):2100 标注类别总数为13,具体包括以下类型: 六角螺栓、双六角柱、T型螺丝、法兰螺母、六角支柱、键条、六角螺母、水平气泡、六角钢柱、塑料垫片支柱、弹簧垫圈、矩形螺母和圆头螺丝。
  • 齿轮瑕疵VOC+YOLO),含2978,3个别.7z
    优质
    本数据集提供了一个包含2978张图片的齿轮瑕疵检测资源库,采用VOC与YOLO双格式标注,涵盖三种不同类型的缺陷。 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):2978 标注数量(xml文件个数):2978 标注数量(txt文件个数):2978 标注类别数:3 标注类别名称:[break, lack, scratch] 每个类别标注的框数: - break 框数 = 1000 - lack 框数 = 980 - scratch 框数 = 4317 总框数:6297 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VOC+YOLO),含2154,4个别.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。