Advertisement

无人机航拍数据集（包含1600多张图像及VOC标签）

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

简介：
包含约1600张用于输电线路无人机拍摄的图片，能够用于识别悬垂线夹的位置，通过使用labelimg软件实现了图像的标注过程，并遵循VOC格式，并采用XML表示方式。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 光伏电站发电板航拍图像及鸟粪检测数据集（含400张原图和VOC标签）
    优质
    本数据集包含400张光伏电站发电板的高清航拍图片及其对应的VOC格式标注，用于训练机器学习模型识别并分析发电板上的鸟粪污染情况。 内含400张光伏发电板的图像数据集可以用于鸟粪检测，并采用VOC格式进行标签处理。
  • 配网缺陷检测用无人机航拍图像数据集（涉及不规范绑扎与销钉缺失，含3400余张图片及VOC标注）
    优质
    本数据集专为配网缺陷检测设计，涵盖3400多张无人机航拍图像，详细标注了不规范绑扎和销钉缺失情况，适用于训练深度学习模型。 内含3400多张配网缺陷检测无人机航拍图像，缺陷类别为绑扎不规范与销钉缺失，已利用labelimg软件对其进行标注，标签格式为voc（xml）。由于平台上传大小限制，具体内容可通过其他方式获取。
  • YOLO无人机行人检测数据集（包含1000张图像）及VOC、COCO与YOLO格式标签+划分脚本+训练指南.rar
    优质
    该资源包提供了一个包含1000张图像的YOLO无人机行人检测数据集，内含VOC、COCO和YOLO格式标签以及划分脚本和详尽的训练指南。 该数据集包含YOLO无人机航拍的行人检测图片，场景多样且质量高。使用lableimg软件进行标注，确保了高质量的标注框，并提供了voc(xml)、coco(json)以及yolo(txt)三种格式标签供用户选择使用。 此外，还附带有关于如何搭建YOLO环境及训练案例的教学文档和数据集划分脚本，帮助用户根据需求自行完成数据集的分割工作。更多详细信息可参考相关文章内容。
  • 输电线路异物检测图像数据集（含230张图片及VOC标签）
    优质
    本数据集包含230张图片及其对应的VOC格式标注文件，专门用于训练和测试输电线路异物检测算法模型。 数据集包含230张输电线路异物图像原图，并对其中的异物进行了标注，标签格式为VOC格式。
  • 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。
  • 杨梅检测数据集含4000多张图片及标注（实景果园拍摄）+VOC与YOLO格式标签.zip
    优质
    本数据集包含超过4000张来自实景果园的真实杨梅图像及其详细标注，提供VOC和YOLO两种格式的标签文件，便于用于物体检测模型训练。 杨梅检测数据集包含4000多个目标（真实果园拍摄）及voc格式与yolo格式标签的标注文件，共计899张图片。该数据集适用于杨梅识别、计数系统以及智慧农业项目等应用场景。所有图像均为手机拍摄，并由人工精细标注，确保了目标大小分布均匀且背景多样化。这些特征使得算法拟合效果良好，适合用于科研实验和课程设计等实际项目的开发与应用需求。
  • 玻璃绝缘子串检测用航拍图像数据集（含600余张图片，VOC格式标注）
    优质
    本数据集提供用于无人机拍摄的玻璃绝缘子串检测图像，包含超过600张照片，并以VOC格式完成精确标注。 数据内容为玻璃绝缘子航拍图像数据集，包含600多张图像，并对其中的绝缘子和导线进行了标注，标签格式采用VOC标准。
  • 刀棒识别数据集1200张图片包含VOC、YOLO和JSON标签
    优质
    本数据集包含1200张图片，专注于刀棒类物品的识别，提供VOC、YOLO格式及JSON标签文件，适用于物体检测模型训练与评估。 实际项目应用包括社区安防、学校安防以及危险器具检测等领域。 数据集详情如下：刀具棍棒检测数据集中共有1200张图片，标签分为两类——[刀具] 和 [棍棒]（即[dao, bang]）。这些图像包含多种背景，并且各类别分布均匀。该数据集同时提供了voc格式的xml文件和yolo格式的txt文件作为标注信息，适合于多种目标检测算法的应用。 所有图片均为纯手工精确标注，确保了高质量的数据输入以及良好的模型拟合效果。如果需要json格式标签或在使用过程中遇到任何问题，请留言说明需求。
  • 石头剪刀布图像数据集1600张（含标注信息及分组）
    优质
    本数据集包含1600张图片，涵盖石头、剪刀、布三种手势，每张图片均附带详细标注，并按训练与测试划分。 我在训练YOLOv5的过程中使用自己拍摄的视频，并从中提取帧进行标记。我将数据划分为训练集与验证集，其中训练集包含约1600张图片，而验证集则有大约170张图片。标签是通过LabelImg工具创建的，包括YoloTXT和Xml两种格式文件类型，这些标注可用于手势识别等应用。 剪刀、石头、布（又称“猜丁壳”）是一个古老且简单的游戏，在其中参与者使用手部动作来决定胜负。这个游戏的主要目的是解决争议，因为三种手势两两相互制约：石头胜过剪刀，剪刀胜过布，而布又可以战胜石头。不论平局持续多久，总会有一个赢家出现。 YOLO（You Only Look Once）是目前目标检测领域中性能最佳的算法之一，在人工智能和计算机视觉开发应用方面有着广泛的应用前景。它的优势在于快速且准确的目标识别能力，能够实现实时的目标检测功能。