Advertisement

港口目标检测数据集:基于遥感的HRSC数据集

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


简介:
本数据集为港口环境专门设计,采用高分辨率对地观测技术(HRSC),提供丰富的船舶图像及其详细标注信息,旨在推动远程海上监控及自动化识别研究。 HRSC数据集包含27种类型的遥感地物目标,并使用oriented bounding boxes (OBB) 格式进行标注。 该数据集包括1,061张图像,每张图像的尺寸大约为1100± * 1100± * 3。总共有2,976个目标,这些目标被分为三大类和27个小类。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • HRSC
    优质
    本数据集为港口环境专门设计,采用高分辨率对地观测技术(HRSC),提供丰富的船舶图像及其详细标注信息,旨在推动远程海上监控及自动化识别研究。 HRSC数据集包含27种类型的遥感地物目标,并使用oriented bounding boxes (OBB) 格式进行标注。 该数据集包括1,061张图像,每张图像的尺寸大约为1100± * 1100± * 3。总共有2,976个目标,这些目标被分为三大类和27个小类。
  • 航拍飞机
    优质
    本数据集采用遥感航拍技术收集,专注于识别和分类各种类型飞机的目标检测,为图像处理与机器学习研究提供宝贵资源。 YOLO与VOC格式的遥感航拍飞机识别数据集适用于包括YOLO系列、Faster R-CNN 和 SSD 等在内的多种目标检测模型训练。该数据集包含2398张图片,以及对应的txt标签文件和xml标签,并且已经划分为了训练集、验证集和测试集,可以直接用于YOLOv5至YOLOv10等系列算法的训练。 这个遥感航拍飞机识别数据集是为了深度学习及计算机视觉研究而设计的专业资源。它不仅能够支持YOLO系列模型的训练,还能应用于其他先进的目标检测框架中。为了提升模型训练的有效性和准确性,数据集中已经预先处理为包含不同用途的数据子集格式。 该数据集的核心是通过航拍技术获取的一系列遥感图像,并且这些图像是从广泛的地理区域采集而来。在这一特定的数据集中,所有标注的目标都是飞机,这使得研究者可以专注于某一类目标的检测任务上进行深入的研究工作。每张图片都配有详细的txt和xml格式标签文件来记录飞机的位置信息及类别。 数据集中的txt文件以简单的坐标形式提供了每个图像中标注对象(即飞机)边界框的信息;而xml格式则更为详尽,包含了位置、尺寸以及类别的详细描述,为深度学习模型的训练与验证提供关键输入。此外,还包含一个yaml文件来指定数据集中关于飞机类别信息。 由于数据集的数据量庞大,上传至百度网盘并提供了永久有效的下载链接以方便分享和获取。这使得更多研究者可以无障碍地接触和使用这个丰富的资源库。对于那些对深度学习、计算机视觉、遥感技术及目标检测等有深入研究兴趣的人来说,该数据集是一个宝贵的资料来源。 此数据集不仅提供了一大批高质量的遥感图像素材,还配备了详尽的标注信息,为实现准确高效的飞机识别任务提供了重要支持,并且有助于推动相关领域内的技术创新和进步。
  • 图像泥石流
    优质
    本数据集聚焦于利用遥感技术进行泥石流灾害监测,收集并标注了大量相关影像资料,旨在提升泥石流识别精度与自动化水平。 数据格式采用支持深度学习目标检测的VOC2007标准。
  • 系列—— Mask - DataBall
    优质
    Mask-DataBall是一款专门用于训练和评估口罩佩戴情况检测算法的数据集,旨在提高公共安全及健康监测系统的准确性。 数据集-目标检测系列-口罩检测数据集 mask - DataBall 标注文件格式:xml 解析脚本地址可以参考相关文档。 运行方式: 1. 设置脚本数据路径 path_data。 2. 运行脚本:python demo.py。 样本量: 105 目前,该数据集会在指定网址进行更新。
  • RSOD-Dataset:- 用图像开放式
    优质
    RSOD-Dataset是一个专为促进遥感图像中目标检测研究而设计的开放性数据集。该数据集包含了多种场景下的高质量影像及标注信息,旨在推动相关算法的发展与应用。 RSOD数据集是一个用于遥感图像中的对象检测的开放性数据集。该数据集包含飞机、油箱、运动场以及立交桥等多种目标,并采用PASCAL VOC格式进行组织,总共包括4个文件,每个文件代表一种特定的对象类型。 具体而言,在此数据集中共有: - 189幅图像中的191个游乐场所 - 176张图片中的180座天桥 - 446幅图象中包含着总计4,993架飞机 - 以及在另外的165张图里总共可以找到大约1,586个油罐 如果您发现该数据集对您的研究或项目有所帮助,请务必引用以下文献: Y. Long,Gong Y。 Gong X。 Xiao Z 和 Liu Q,“基于卷积神经网络的遥感图像中的精确对象定位”,《IEEE地理科学与遥感学报》,第1卷5期,2017年五月。 Z Xiao, 刘Q,Tang G, 翟X斋,用于遥感图像中旋转不变目标检测的梯度直方图傅立叶变换, 未给出具体出版信息。
  • 》COCO2017行人
    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。
  • 》灭火器
    优质
    该数据集专为灭火器状态的目标检测设计,包含了大量标注清晰的图像和视频资料,旨在提升对不同环境下灭火器识别的准确性和效率。 YOLO与VOC格式的灭火器识别数据集适用于包括YOLO系列、Faster R-CNN 和 SSD 等在内的多种模型训练。该数据集中唯一的类别是“extinguisher”,包含3262张图片,以及相应的标签文件和yaml配置文件。 这个数据集专门为训练目标检测算法设计,主要关注于识别图像中的灭火器对象。它采用了YOLO(You Only Look Once)格式的标注方式,这种实时物体检测系统以其高效性和准确性而闻名,并且通常包括了用于模型训练的图片、文本标签以及类别信息配置文件。 除了YOLO标准之外,数据集还包含了VOC (Visual Object Classes) 格式的xml标注文件。这些文件详细记录了图像中灭火器的位置和分类信息,非常适合于多种目标检测模型的训练任务。 为了确保最佳的学习效果并评估算法性能,在该数据集中图片被明确地划分成了三个不同的集合:训练集、验证集以及测试集。这有助于开发者在调整超参数时进行有效的学习,并最终对模型的表现进行全面评价。 此数据集包含3262张图像,为深度学习模型提供了充分的样本数量来提高识别精度和泛化能力。由于其广泛的适用性和对未来技术发展的适应性,该数据集已经预处理并适配于不同版本的YOLO算法(包括但不限于YOLOv5、YOLOv6、YOLOv7等),这使得研究人员可以方便地进行模型比较与进一步的研究开发工作。 总体而言,灭火器识别数据集在目标检测技术的应用研究中具有重要的实用价值。它不仅为科研人员提供了丰富的训练素材,也为深度学习算法的性能评估和优化提供了一定的支持。
  • .zip
    优质
    《港口数据指标合集》是一份全面整理和分析港口运营关键绩效指标的资料集。包含进出口量、装卸效率等重要信息,适用于港口管理与研究。 港口指标数据合集.zip包含了各种与港口相关的统计数据和分析资料。文件内详细记录了不同时间段的进出口货物量、船舶到港情况以及其他关键运营指标。这些数据有助于研究人员及行业从业者更好地了解当前市场动态,进行趋势预测以及制定策略规划。
  • 》水面垃圾
    优质
    本数据集专注于水面垃圾检测,包含大量标注图片,适用于训练和评估目标检测模型在水域环境中的性能。 该数据集适用于YOLO系列(包括YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9及更高版本)、Faster R-CNN 和 SSD 等模型的训练,包含4308张图片和对应的txt标签。此外还提供了一个yaml文件用于指定类别信息以及xml格式的标签文件。数据集已根据用途划分成训练集、验证集和测试集,可以直接使用进行YOLO系列算法的训练。