Advertisement

人员持刀目标检测数据集(VOC格式)- 6580张

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


简介:
这是一个包含6580张图像的数据集,专为训练和评估人员携带刀具的目标检测算法而设计,采用VOC格式标注。 数据集格式:Pascal VOC(不含分割路径的txt文件及yolo格式的txt文件,仅包含jpg图片和对应的xml) 图片数量(jpg文件个数):6580 标注数量(xml文件个数):6580 标注类别数:1 标注类别名称:dao 每个类别标注框的数量:dao count = 6958 使用工具:labelImg 标注规则:对目标进行矩形框标记。 重要说明:该数据集主要来源于视频截图,包含杀鸡、切菜等场景中的持刀图像。持有小刀、菜刀、剪刀和砍刀的图片占比较大。 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。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • VOC)- 6580
    优质
    这是一个包含6580张图像的数据集,专为训练和评估人员携带刀具的目标检测算法而设计,采用VOC格式标注。 数据集格式:Pascal VOC(不含分割路径的txt文件及yolo格式的txt文件,仅包含jpg图片和对应的xml) 图片数量(jpg文件个数):6580 标注数量(xml文件个数):6580 标注类别数:1 标注类别名称:dao 每个类别标注框的数量:dao count = 6958 使用工具:labelImg 标注规则:对目标进行矩形框标记。 重要说明:该数据集主要来源于视频截图,包含杀鸡、切菜等场景中的持刀图像。持有小刀、菜刀、剪刀和砍刀的图片占比较大。 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。
  • 】跨越栏杆512VOC+YOLO.zip
    优质
    本数据集包含512张图片,旨在帮助训练和测试物体检测模型在复杂场景中准确识别并定位跨越栏杆的行为。以VOC与YOLO两种格式提供,便于多种框架使用。 数据集格式: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)。 图片数量(jpg文件个数):512 标注数量(xml文件个数):512 标注数量(txt文件个数):512 标注类别数:1 标注类别名称:[climbing] 每个类别的标注框数: climbing 框数 = 599 总框数:599 使用标注工具:labelImg
  • 黄瓜VOC),含1309图片
    优质
    本数据集为黄瓜目标检测设计,包含1309张图像,遵循Pascal VOC标准格式,适用于训练和评估物体检测模型。 数据集格式:Pascal VOC(不含分割路径的txt文件、yolo格式的txt文件,仅包含jpg图片及其对应的xml标注) 图片数量(jpg文件个数):1308 标注数量(xml文件个数):1308 标注类别数:1 标注类别名称:cucumber 每个类别的标记框数量:cucumber计数 = 2939 使用工具:labelImg 标注规则:对目标进行矩形框绘制。 重要说明及特别声明: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信息。
  • 电线杆(YOLO+VOC) 2127.zip
    优质
    本数据集包含2127张图像及其标注文件,适用于YOLO和VOC格式的目标检测任务,专注于识别与分类电线杆。 数据集格式:VOC格式+YOLO格式 压缩包内包含三个文件夹: - JPEGImages 文件夹存储图片(jpg 格式),共 2127 张。 - Annotations 文件夹存放 xml 文件,共计 2127 个。 - labels 文件夹中则有 txt 文件,数量为 2127。 标签种类:单一类别 名称:[telegraph pole] 各类别框数: telegraph pole 的标注框共有 2700 个 总标注框计数:2700 图片质量与分辨率: - 清晰度良好,像素清晰。 - 图片未经过增强处理。 标签类型: 矩形框形式用于目标检测任务。 备注说明:暂无特别需要强调的内容。 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,所提供的仅是准确且合理的标注信息。
  • VOC的条码含15442图片
    优质
    该数据集包含15,442张图像,专为VOC格式下的条形码目标检测设计,适用于训练和评估计算机视觉模型在复杂场景中识别条形码的能力。 数据集格式:Pascal VOC(不含分割路径的txt文件和yolo格式的txt文件,仅包含jpg图片及对应的xml标注) 图片数量(jpg文件个数):15442 标注数量(xml文件个数):15442 标注类别数:1 标注类别名称:barcode 每个类别的框数统计:barcode count = 34761 使用工具:labelImg 标注规则:对条码进行矩形标记。 重要说明:此数据集仅包含条码,不含二维码,请参考其他相关数据集获取二维码信息。 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,只提供准确且合理的标注。
  • 】垃圾分类YOLO+VOC8341.zip
    优质
    本数据集包含8341张图片,采用YOLO和VOC格式标注,适用于训练和测试垃圾分类的目标检测模型。 数据集介绍:该数据集包含各种垃圾图片分类检测的标注信息,主要针对五种不同材质类型的垃圾分类,包括纸盒类、玻璃类、金属类、纸质类以及塑料类。 数据集格式:采用VOC与YOLO两种标准格式存储。 压缩包内容: - JPEGImages文件夹中包含了8341张jpg图片。 - Annotations文件夹内有对应的xml标注文件共8341份。 - labels文件夹则存放了用于目标检测的txt文件共计8341个。 标签种类:数据集中共有5种不同的材质类型,分别为Cardboard(纸盒)、Glass(玻璃)、Metal(金属)、Paper(纸质)和Plastic(塑料),每类对应的标注框数量如下: - Cardboard 框数 = 1785 - Glass 框数 = 1601 - Metal 框数 = 1770 - Paper 框数 = 1748 - Plastic 框数 = 1911 总计标注框数量为8815个。 图片质量:所有图像均具有较高的清晰度,且未经过增强处理。
  • [][VOC][正版]奔跑VOC)- 3248
    优质
    本数据集提供3248张图像,遵循PASCAL VOC标准,专注于奔跑动作识别与分析,适用于计算机视觉领域研究。 数据集采用Pascal VOC格式存储(不含分割的txt文件),仅包含jpg图片及对应的xml文件。 - 图片数量:3248张 - 标注数量:3248个标注文件(xml) - 标注类别数:两类 - 类别名称包括:running 和 nr - 其中,running 表示正在奔跑的场景; - 而 nr 为 not running 的缩写,代表除了奔跑外的所有负样本。 - 每个类别的标注框数量: - “running” 类别有4036个边界框 - “nr”类别有1875个边界框 此数据集使用labelImg工具进行标注。需特别说明的是,该数据集仅提供准确且合理的标签信息,并不对训练模型或权重文件的精度做出任何保证。