Advertisement

远距离小目标仰拍无人机检测数据集(VOC+YOLO格式,含10672张图片,1个类别).7z

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


简介:
该数据集包含10672张图像,专为训练和评估无人机在远距离条件下对小型目标的仰拍识别性能设计。以VOC与YOLO两种格式提供,专注于单一类别检测任务。 数据集格式为Pascal VOC与YOLO格式(不含分割路径的txt文件),仅包含jpg图片及对应的VOC格式xml文件和yolo格式txt文件。 图片数量:10627张 标注数量(xml文件):10627个 标注数量(txt文件):10627个 标注类别数:1类 标注类别名称:visdrone 每个类别中的框数: visdrone 框数 = 10627 总框数:10627 使用工具为labelImg,对类别进行画矩形框。 重要说明:该数据集由大约5段视频截取而成。每张图片都有对应的标注文件。所有照片均为仰拍视角拍摄,并且无人机都是远距离拍摄的小目标,因此更贴合实际场景需求。 更多信息:此为包含10627个样本的远距离小目标仰拍无人机检测数据集,采用VOC+YOLO格式,仅有一个类别。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • VOC+YOLO106721).7z
    优质
    该数据集包含10672张图像,专为训练和评估无人机在远距离条件下对小型目标的仰拍识别性能设计。以VOC与YOLO两种格式提供,专注于单一类别检测任务。 数据集格式为Pascal VOC与YOLO格式(不含分割路径的txt文件),仅包含jpg图片及对应的VOC格式xml文件和yolo格式txt文件。 图片数量:10627张 标注数量(xml文件):10627个 标注数量(txt文件):10627个 标注类别数:1类 标注类别名称:visdrone 每个类别中的框数: visdrone 框数 = 10627 总框数:10627 使用工具为labelImg,对类别进行画矩形框。 重要说明:该数据集由大约5段视频截取而成。每张图片都有对应的标注文件。所有照片均为仰拍视角拍摄,并且无人机都是远距离拍摄的小目标,因此更贴合实际场景需求。 更多信息:此为包含10627个样本的远距离小目标仰拍无人机检测数据集,采用VOC+YOLO格式,仅有一个类别。
  • WIDERFACEA(VOC+YOLO79061).7z
    优质
    这是一个包含7906张图像的数据集,专为WIDERFACE的人脸检测挑战设计,采用VOC和YOLO格式标注,专注于捕捉小目标人脸。 数据集格式:Pascal VOC格式+YOLO格式(不含分割路径的txt文件,仅包含jpg图片及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):7906 标注数量(xml文件个数):7906 标注数量(txt文件个数):7906 标注类别数:1 标注类别名称:[face] 每个类别的框数: - face 框数 = 180,744 总框数:180,744 使用标注工具:labelImg 标注规则:对类别进行矩形框绘制。 重要说明:此数据集是widerface数据集的一部分,特点是每个图片至少有一个面积小于3500像素的边界框(bbox),适合用于远距离人脸检测。同时,小的人脸可能容易被误检。 特别声明:本数据集不对训练模型或权重文件的精度提供任何保证,仅确保标注准确合理。
  • WIDERFACEB大VOC+YOLO81881.7z
    优质
    本资源提供WIDERFACE数据集中较大目标的人脸图像,共计8188张,并转换为VOC及YOLO格式,便于检测模型训练。内含标签文件和图片,压缩包格式为7z。 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):8188 标注数量(xml文件个数):8188 标注数量(txt文件个数):8188 标注类别数:1 标注类别名称:[face] 每个类别标注的框数: face 框数 = 14649 总框数:14649 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:这是widerface数据集的一部分,该数据集的特点是每个图片中的边界框像素面积都大于3500,适合用于大脸检测(即人近距离的人脸检测)。使用此数据集的一个好处是不会轻易出现误检问题。不过对于远距离人脸的检测可能会效果稍差。 特别声明:本数据集不对训练模型或权重文件的精度作任何保证,仅提供准确且合理的标注。
  • 拐杖(VOC+YOLO27781).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。
  • 与飞鸟VOC+YOLO6647,2).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。
  • 石油泄漏VOC+YOLO66331).7z
    优质
    本数据集包含6633张图像,采用VOC和YOLO格式标注,专注于单一类别的石油泄漏检测,旨在提升环境监测技术的精确性和效率。 数据集格式:Pascal VOC格式+YOLO格式(仅包含jpg图片及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):6633 标注数量(xml文件个数):6633 标注数量(txt文件个数):6633 标注类别数:1 标注类别名称:[oil] 每个类别标注的框数: oil 框数 = 8754 总框数:8754 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:数据集包含增强图片,请仔细查看图片斟酌下载。 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。
  • 麦病害VOC+YOLO),899,12.7z
    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。
  • 室内积水VOC+YOLO),包7611.7z
    优质
    本数据集提供761张室内图像用于积水检测,采用VOC和YOLO双格式存储,专注于单一目标类别——积水区域的识别与标注。压缩包为7z文件格式。 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):761 标注数量(xml文件个数):761 标注数量(txt文件个数):761 标注类别数:1 标注类别名称:[jishui] 每个类别标注的框数: jishui 框数 = 902 总框数:902 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。
  • 道路圆石墩VOC+YOLO),4611.7z
    优质
    本数据集包含461张图片及对应标注,专为道路圆石墩设计,支持VOC与YOLO两种格式,适用于目标检测模型训练和验证。 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) :462 标注数量 (xml 文件个数) :462 标注数量 (txt 文件个数):462 标注类别数:1 标注类别名称:[spherical_roadblock] 每个类别的标注框数: - spherical_roadblock 框数 = 1798 总框数:1798 使用标注工具:labelImg 标注规则:对类别进行矩形框标记 重要说明:暂无 特别声明:本数据集不对训练的模型或权重文件精度作任何保证,仅提供准确且合理的标注。
  • RSNA肺炎VOC+YOLO),6012像,1.7z
    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