目标检测数据集（YOLOV5目录格式）：针对安检机X光扫描图像的物品分类数据集（含10类）

5星

浏览量: 0

大小:None

文件类型：ZIP

简介：
本数据集专为安检机X光扫描图像设计，包含10种类别的物品分类信息，采用YOLOv5标准目录结构，便于目标检测模型训练与应用。项目包括一个用于X光扫描下包内物品目标检测的数据集（10类别），该数据按照YOLOV5文件夹结构保存，可以直接使用而无需额外处理。图像分辨率为300-500像素的RGB图片，这些图像是通过机场或高铁站安检机对行李进行X射线扫描后生成的物体检测样本。【数据集介绍】此数据集包含10个类别：剪刀、充电宝、手机等。【总大小】378 MB 该数据集分为训练集和验证集： - 训练集（datasets-images-train）包括2880张图片及对应的2880个标签txt文件 - 验证集（datasets-images-val）包含720张图片及相应的720个标签txt文件此外，还提供了一个检测类别的字典文本段落件。为了方便查看数据，我们提供了可视化py脚本。该脚本可以随机选取一张图片并绘制边界框，并将结果保存在当前目录下。此脚本无需修改即可直接运行。

全部评论 (0)

还没有任何评论哟~

客服

目标检测数据集（YOLOV5目录格式）：针对安检机X光扫描图像的物品分类数据集（含10类）

优质

本数据集专为安检机X光扫描图像设计，包含10种类别的物品分类信息，采用YOLOv5标准目录结构，便于目标检测模型训练与应用。项目包括一个用于X光扫描下包内物品目标检测的数据集（10类别），该数据按照YOLOV5文件夹结构保存，可以直接使用而无需额外处理。图像分辨率为300-500像素的RGB图片，这些图像是通过机场或高铁站安检机对行李进行X射线扫描后生成的物体检测样本。【数据集介绍】此数据集包含10个类别：剪刀、充电宝、手机等。【总大小】378 MB 该数据集分为训练集和验证集： - 训练集（datasets-images-train）包括2880张图片及对应的2880个标签txt文件 - 验证集（datasets-images-val）包含720张图片及相应的720个标签txt文件此外，还提供了一个检测类别的字典文本段落件。为了方便查看数据，我们提供了可视化py脚本。该脚本可以随机选取一张图片并绘制边界框，并将结果保存在当前目录下。此脚本无需修改即可直接运行。

目标检测数据集（YOLOV5目录格式）：针对雾天的行人和车辆五类目标检测数据集

优质

该数据集专为雾天环境设计，包含行人与车辆五大类别，采用YOLOv5标准目录结构，适用于提升目标检测模型在恶劣天气条件下的性能。项目包含雾天下的行人与车辆目标检测数据集（5类别），按照YOLOV5文件夹结构保存，可直接用于目标检测任务。图像分辨率为400-1000的RGB图片，其中包含了雾天马路上常见的车辆和人群。【数据集介绍】该数据集中包含五种类别的对象：人、轿车、公交车、自行车及摩托车。【数据总大小】共约130MB 训练集包括datasets-images-train文件夹内的4320张图像及其对应的标签txt文件，验证集则为datasets-images-val文件夹中的100张图片和相应的标签。为了便于查看数据内容，提供了一个可视化py脚本。只需随机传入一张图片即可绘制边界框，并将结果保存在当前目录下。该脚本无需修改便可直接运行。

焊接表面缺陷图像的目标检测数据集（YOLOV5目录格式，含10类及训练/验证集）

优质

本数据集采用YOLOV5目录格式，包含10种类别的焊接表面缺陷图像，分为训练和验证两部分，适用于目标检测模型的训练与评估。项目包含：铝片表面缺陷图像目标检测（4类别），数据集分为训练集、验证集，并按照YOLOV5文件夹结构保存，可直接用于目标检测任务。图片分辨率为2048*1000的RGB格式，该数据集是焊接表面缺陷的数据集合，包含穿孔、折痕、压痕等十类别缺陷图像。【数据总大小】918MB（分为训练集和验证集） - 训练集：datasets-images-train 包含 1836 张图片及对应的标签 txt 文件。 - 验证集：datasets-images-val 包含 458 张图片及其对应标签的 txt 文件。【类别文本段落件】提供了包含所有类别的txt文档，便于识别和分类处理。为了方便查看数据，项目中提供了一个可视化py脚本。该脚本能随机选取一张图片并绘制边界框，并将结果保存在当前目录下。此脚本无需修改即可直接运行使用。

行人目标检测数据集（YOLOV5目录格式）

优质

本数据集为行人目标检测设计，遵循YOLOv5目录结构，包含大量标注图像，适用于训练和评估高性能行人检测模型。项目包含行人图像目标检测数据集（采用YOLO格式的txt文件），数据按照YOLOV5目录结构保存，可以直接用于训练和测试。该数据集中仅有一个类别：person，在各种生活环境中进行人体检测。整个数据集大小为526MB，并分为训练集和测试集： - 训练集包含3000张图片及其对应的3000个标签txt文件； - 测试集包括300张图片及相应的300个标签txt文件。此外，还提供了一个检测类别的字典文本段落件。为了便于查看数据情况，我们提供了可视化脚本。运行该脚本时只需输入一张图像即可绘制出边界框，并将其保存在当前目录下。此脚本无需任何修改便可直接使用。

【目标检测数据集】鱼类数据集2798张图片，涵盖31类分类检测（VOC+YOLO格式）.zip

优质

本数据集包含2798张鱼类图像，适用于目标检测任务，涵盖了31种不同的鱼类类别，并提供VOC和YOLO两种格式的标注文件。数据集格式：VOC格式+YOLO格式图片数量（jpg文件个数）：2798 标注数量（xml文件个数）：2798 标注数量（txt文件个数）：2798 标注类别数：31 标注类别名称：Bangus、Big Head Carp、Black Spotted Barb、Catfish、Climbing Perch、Fourfinger Threadfish、Freshwater Eel、Glass Perchlet、Goby、Gold Fish、Gourami、Grass Carp、Green Spotted Puffer、Indian Carp、Indo-Pacific Tarpon, Jagua

X光安检图像YOLO数据集，涵盖10大类别

优质

该数据集是专为X光安检图像开发的YOLO格式训练资料，包含十大不同物品类别，适用于快速准确地识别和分类安检通道中的各类物体。以下是一些物品：打火机、刀子、剪刀、移动电源、ZIPPO油、手铐、弹弓、爆竹和指甲油。

针对目标检测的轮胎数据集

优质

本数据集专为提升目标检测算法在轮胎识别领域的性能而设计，包含大量标注清晰的轮胎图像样本。汽车轮胎分类图像数据集包含两类：正常轮胎和缺损轮胎。该数据集用于目标检测、深度学习以及YOLOv5模型的应用。

【目标检测】飞行物检测数据集含7346张图片及3类标签（YOLO+VOC格式）.docx

优质

本文档提供了一个包含7346张图像的飞行物检测数据集，内含三种不同类别标签。数据以YOLO和VOC格式存储，便于目标检测模型训练与评估。在当前的计算机视觉研究与应用领域内，目标检测技术已经发展成为一项关键任务，并且广泛应用于安全监控、自动驾驶汽车、智能交通管理和无人机监测等多个领域中。这项技术的目标是在图像或视频帧中识别并定位出一个或多个物体的位置，并给出它们的具体类别。近年来，由于深度学习的快速发展，目标检测算法取得了显著的进步，其准确性和速度都有了大幅度提高。然而，在训练高性能模型的过程中需要大量标注数据的支持。这些数据集的质量、多样性和数量直接影响到最终模型的表现效果。本段落档提供了一套特定应用领域的飞行物检测数据集，该数据集中包含7346张图片，并涵盖了三种类型的飞行物体：“bird”（鸟）、“drone”（无人机）和“plane”（飞机）。此数据集采用了两种主要的格式：VOC格式与YOLO格式。Pascal VOC是一种广泛应用于目标检测任务的数据标注方式，它包括了图像、注释文件以及类别信息文件；而YOLO则适合于实时对象检测系统，并要求所有的注释信息被记录在一个或多个文本段落件中。数据集的具体结构包含三个主要的子目录：JPEGImages（所有.jpg格式图片）、Annotations（与每张图片对应的.xml格式标注）和labels（.txt格式的目标定位信息）。此外，还有一个classes.txt文档用于指定标签类别的顺序。在该数据集中，“鸟类”有26861个注释框、“无人机”类别为874个、以及“飞机”共有4559个注释框，总共32294个目标。所有图像的分辨率均达到了清晰标准，并且经过了增强处理以提高模型泛化能力。标签形状采用矩形框的形式，这种形式广泛应用于大多数的目标检测任务中，有助于算法更有效地学习物体边界特征。这份飞行物数据集为研究和开发高级别的目标检测系统提供了宝贵的资源支持。通过使用这个数据集，研究人员可以训练并评估面向实际应用（如飞行器避障、安全监控等）的模型性能。