Advertisement

包含超过一万张YOLO细分类型的飞机、鸟类和无人机检测数据集。

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

简介：
包含约一万张YOLO细分类型的飞机、鸟类和无人机检测数据集，该数据集能够精确识别出具体的飞机型号。数据集的目录结构已经精心配置，并以YOLO格式（txt）标注，已明确划分出训练集、验证集和测试集，同时还附带了data.yaml文件。利用yolov5、yolov7、yolov8等算法可以轻松地进行模型训练。 数据集及检测结果的参考信息可查阅： 数据集配置目录结构data.yaml如下：

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Yolov8飞机、鸟类和无人机细分类型检测训练模型+数据集
    优质
    本项目提供基于YOLOv8的深度学习模型及专用数据集，旨在实现对飞机、各类鸟类与无人机的精确识别与分类，适用于智能监控、生态保护等领域。 本数据集用于训练yolov8细分类型飞机、鸟类及无人机检测模型，包含超过1万张图片的数据集，并已按Yolo格式（txt文件）标注好标签，划分成train、val和test三个部分，附有data.yaml配置文件。该数据集支持直接使用yolov5、yolov7和yolov8等算法进行训练模型操作，能够区分具体飞机型号。 关于数据集的具体内容及检测结果的参考，请参阅相关博客文章。
  • 无人机与飞鸟检测数据集（VOC+YOLO格式，含6647张图片，2个类别）.7z
    优质
    本数据集包含6647张图像，用于训练和测试无人机与飞鸟识别模型。采用VOC及YOLO格式标注，涵盖两个分类目标，适用于开发高效的鸟类监测系统。 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）：6647 标注数量（xml文件个数）：6647 标注数量（txt文件个数）：6647 标注类别数：2 标注类别名称：[Bird, Drone] 每个类别标注的框数： - Bird 框数 = 3567 - Drone 框数 = 4290 总框数：7857 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。
  • 无人机检测数据集：包含超过4000张业余无人机图像的数据集
    优质
    本数据集收录了逾四千幅业余无人机拍摄的照片，旨在为无人机图像分析提供丰富的训练资源。 无人机检测数据集包含了4000多张业余无人机的图像。
  • 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。
  • 鲜花检测(VOC+YOLO)数据集(2.5万张, 106类).docx
    优质
    对于致力于提升花卉自动识别准确度或开展特定花卉分类研究的科研机构、企业或个人而言，该数据集堪称珍贵资源。通过深入研究与模型训练，在图像识别领域可开发出高效精准的智能系统，并将其应用于智能农业、生态监测、自然保护及智能城市等多个方面。对于希望增强图像处理与机器学习能力的开发者而言，则可获得优质的学习素材。在深度学习模型训练过程中，研究人员基于详细标注的数据可以开展诸如YOLO系列模型的训练工作；这些高性能的目标检测算法因其速度快且精度高的特点而备受关注；此外所述数据集也可用于评估不同检测算法的表现；通过对各算法在同一数据集下的准确率、召回率以及平均精度（AP）等指标进行分析从而筛选出最适合特定任务的应用模型。在数据集中，每一幅图像均经过详尽的标注处理。其中标注内容涵盖了图像中所有存在的不同种类的鲜花目标，并对其对应的目标框进行了精准标记（bounding box）。这些精确的标注信息为监督学习提供了理想的训练数据基础，并且对于每个类别而言，在其目标框数量方面也进行了详细的统计与记录。通过这样的方式，在多个研究领域中都可以为其提供相应的参考依据。 该数据集包含了多种常见的花卉种类以及各地特色文化的代表性花卉品种。 具体而言，在该集合中包含了以下几种典型的代表性物种： 包括但不限于Artichoke（朝鲜蓟）、Calla（马蹄莲）、Carnation（康乃馨）、Dandelion（蒲公英）、Echinacea（金鸡菊）、以及常见的玫瑰花等常见花卉。 此外还包括一些具有地区特色的花卉， 如GangGgangyee（朝鲜特色花卉）、 Gloriosa（火焰花）以及NorangGgotchangpo(韩国地区代表性花卉)等。 值得注意的是， 每一类物种的数量及其在整个数据集中的分布比例， 构成了研究的重要参考依据。 本项目提供了一款专业且专注于目标检测任务的数据资源。该数据集由25,215张JPEG格式的图片及其对应注记文件组成。注记信息共计涵盖106个不同的分类类别。其中，在Pascal VOC标准下采用XML文件形式表示图像注记，在YOLO标准下则使用TXT文件进行描述。特别地，在YOLO注记中不提供图片分割路径相关的信息。该数据集可广泛应用于多种目标检测算法的研究与开发工作，请问是否需要了解其具体应用示例？
  • 人脸检测数据集（含3万余张负样本，类型全面）
    优质
    本数据集包含超过3万张用于人脸检测任务的高质量负样本图像，涵盖多种复杂场景和光照条件，有助于提升模型在实际应用中的鲁棒性和准确性。 人脸检测负样本种类齐全，适合用于深度学习和机器学习训练。
  • YOLO肺炎分类数据集(含2万张图片).zip
    优质
    该数据集包含20,000张图像，旨在支持YOLO算法在肺炎分类任务上的应用和优化，为医学影像分析提供宝贵资源。 资源描述：深度学习图像分类-肺炎分类数据集，类别包含COVID、Lung_Opacity、Normal以及Viral Pneumonia。 资源特点：该数据集的数据质量和标注框质量高，可以直接用于YOLO目标检测模型的训练和测试。 适用对象：适合计算机科学、电子信息工程及数学等专业的大学生在课程设计、期末大作业或毕业设计中使用。 作者介绍：某知名公司资深算法工程师，在Matlab、Python、C/C++以及Java等领域拥有十年的工作经验，专注于计算机视觉、目标检测模型、智能优化算法、神经网络预测和信号处理等多个领域的研究。此外，还擅长元胞自动机技术的应用开发，并在图像处理及智能控制方面有丰富的实践经验。欢迎与作者交流学习相关知识和技术。
  • Faster-RCNN鸟类检测及bird_dataset飞鸟数据集.rar
    优质
    本资源包含基于Faster-RCNN模型的鸟类检测代码以及专为该模型训练定制的bird_dataset飞鸟数据集。适用于深度学习研究和应用开发。 VOC鸟类检测数据集包含1万多张图片，标签格式为xml和txt两种，类别名为bird。该数据集可以直接用于SSD、YOLOv3、Faster-RCNN等目标检测模型的训练与测试。
  • 1万多张Yolo红外微小无人机目标检测数据集（含数据增强图片）
    优质
    本数据集包含超过1万张针对YOLO算法优化的红外微小型无人机图像，通过引入数据增强技术进一步丰富样本多样性。 1万多张Yolo红外微小无人机目标检测数据集（包含有数据增强图像），已经配置好目录结构，并附有yolo格式的标签文件以及train、val、test三个子集划分，同时提供data.yaml文件以方便使用Yolov5、Yolov7和Yolov8等算法进行模型训练。