Advertisement

目标检测中的行人数据集

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

简介：
该数据集专注于用于目标检测算法中行人的识别与定位，包含大量标注的行人图像，旨在提升模型在复杂场景下的行人检测能力。 在计算机视觉相关算法的研究过程中，我将之前使用过的数据库进行上传分享，以便更多的人能够下载和利用这些资源。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 目标检测中的行人数据集
    优质
    该数据集专注于用于目标检测算法中行人的识别与定位，包含大量标注的行人图像，旨在提升模型在复杂场景下的行人检测能力。 在计算机视觉相关算法的研究过程中，我将之前使用过的数据库进行上传分享，以便更多的人能够下载和利用这些资源。
     
  • 《数据集》COCO2017行人检测数据集《目标检测》
    优质
    COCO2017行人检测数据集是《目标检测》中用于训练和评估算法性能的重要资源，包含大量标注图片及行人边界框信息。 该数据集包含YOLO与VOC格式的COCO2017行人识别数据，适用于YOLO系列、Faster R-CNN、SSD等多种模型训练。图片总数为10000张，文件中包括图片、txt标签以及指定类别信息的yaml文件和xml标签。已将图片和txt标签划分为训练集、验证集及测试集，可以直接用于YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9、YOLOv10等系列算法的训练。由于资源超过1G，数据存储于百度网盘，并提供了永久有效链接供下载使用。
     
  • 行人目标检测的YOLO数据集 dataset_person.zip
    优质
    该数据集为行人目标检测任务专门设计，包含大量标注图片。适用于训练和评估基于YOLO算法的模型性能，助力提升智能监控与自动驾驶技术。下载地址：dataset_person.zip。 该数据集包含用于行人检测的图像，共有近3900张图片。类别为“person”，标签格式支持xml和txt两种形式。这些数据可以直接应用于YOLOv5模型进行行人目标检测。
     
  • 行人打电话的目标检测数据集
    优质
    本数据集专注于行人边走路边使用手机的行为分析，旨在提升智能交通系统的安全性能。包含大量标注图像，用于训练目标检测模型。 行人或办公室场景下人员打电话的裁剪图，作为训练集使用，共有8201张图片，并配有xml格式标注文件。此外还有相同场景下的未接电话照片。这些数据可用于目标检测或者分类场景的数据集构建。
     
  • 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。
     
  • 已标注的行人检测数据集
    优质
    该数据集包含大量已标记的行人图像，旨在支持行人检测算法的研发与评估，促进智能监控及自动驾驶技术的进步。 行人检测数据集包括已标注的xml文件和txt文件，包含训练集、测试集和验证集。下载并解压后即可使用。
     
  • 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。
     
  • 目标检测中的深度学习——密集人头检测数据集002
    优质
    本研究专注于利用深度学习技术进行目标检测，尤其针对复杂背景下的密集人头检测问题。通过构建特定的数据集，优化模型以提高在拥挤场景中的人脸识别精度和效率。 brainwash数据集是一个专门用于密集人头检测的数据集。该数据集通过在人群出现的各种场景下拍摄图像，并对这些人群中的人头进行标注而生成。它包含三个部分：训练集包括10769张图片，共81975个人头；验证集有500张图片，3318个人头；测试集则由500张图片组成，共计5007个人头。这个数据集非常适合用于密集人头目标检测的训练任务。 由于文件大小限制的原因，该数据集被分成了两个部分进行下载。“深度学习-目标检测-密集人头检测数据集001”是需要积分的部分，在成功下载并解压此文件后，请继续下载与之同属一个资源中的另一个文件，并在同一目录下解压即可。
     
  • 行人目标检测数据集（YOLO-People-Detection-Dataset-1）.zip
    优质
    这是一个专门用于行人目标检测的数据集，包含多种场景下的行人图像，旨在优化和评估如YOLO等算法在行人识别任务中的性能。下载后请根据说明使用。 数据集包含7000多张YOLO行人目标检测图片，并已按照train、val、test进行划分。目录结构已在data.yaml文件中配置好：names: [Person]，train: ./train/images, val: ./valid/images, test: ./test/images。yolov5、yolov7和yolov8等算法可以直接使用此数据集训练模型，并参考相关博客中的数据集和检测结果。