Advertisement

500张yolo格式电动车数据,在电梯场景和室外场景中

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


简介:
本数据集可直接用于室内与室外不同场景下的电动自行车检测系统中。该数据集经过精细筛选与专业标注,收集了500幅YOLO格式的电动车图片,涵盖了室内及室外包括电梯间在内的多种复杂环境,并为深度学习算法的训练提供了丰富的高质量数据资源。通过人工精细筛选与专业标注,确保了所选图片在精准度和实用性上具有显著优势。这些图像不仅包含了电动汽车、电动自行车等多类骑行工具,而且覆盖了多样化的样本数据,同时通过引入不同类型的骑行者与多种拍摄视角下的非电动车图片作为反例,有效减少了系统在实际应用中对非目标对象的误检可能性。此外,这个数据集特意精选了电梯内外的典型场景,并为研究电动车在不同环境下的行为模式提供了非常有参考价值的图像数据。无论是用于学术研究还是工业应用,本数据集都能满足您对电动车检测模型训练的所有要求。通过本数据集的训练,模型将能够更准确地识别和分类电动车,显著提升目标检测的效率和准确性。此外,这个数据集可以直接应用于室内外电动车检测项目!

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 线覆冰检测集(VOC+YOLO)1481类别.zip
    优质
    文件体积过大,建议暂存在服务器中下载。在下载之前,请先访问资源详情页面,查看并下载所需内容。样本图片链接:https://blog..net/2403_88102872/article/details/143981057。数据集格式:Pascal VOC格式与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):148。标注数量(xml文件个数):148。标注数量(txt文件个数):148。标注类别数:1。标注类别名称:[ice]。每个类别标注的框数:ice类别共有214个框。总框数:214。使用标注工具:labelImg。采用labelImg工具进行标注。标注规则:对类别进行画矩形框。特别说明:本数据集不保证对训练的模型或权重文件精度有任何保证,数据集仅提供准确且合理标注。
  • 线路部破坏检测集(VOC+YOLO,含5187图片,6个类别).zip
    优质
    本数据集包含5187张图片和6种类别标签,采用VOC及YOLO格式标注,旨在支持电力场景下输电线路外部破坏的检测与识别研究。 样本图:请在电脑端资源预览查看并下载。 重要说明:数据集包含1000多张原图及增强后的图片,并已全部标注完成。 数据格式:Pascal VOC格式与YOLO格式(不含分割路径的txt文件,仅含jpg图片、VOC格式xml文件和yolo格式txt文件)。 图片数量(jpg):5187 标注数量(xml):5187 标注数量(txt):5187 类别数及框数: - 标注类别名称包括[backhoe, building, crane, tower, tree, truck] - backhoe 框数 = 2638 - building 框数 = 8789 - crane 框数 = 1322 - tower 框数 = 6954 - tree 框数 = 4009 - truck 框数 = 3922 总框数:27634 使用标注工具:labelImg 标注规则:对类别进行矩形框标记。
  • 进入YOLO目标检测集 - 97图片,Yolo
    优质
    本数据集包含97张关于电动车进入电梯场景的图像,采用YOLO格式标注,旨在提升智能监控系统对潜在安全隐患的识别能力。 【数据集】【YOLO】【目标检测】电动车进电梯检测数据集包含97张图片,采用Yolo格式的数据集进行目标检测。 标签类别:names: [person,bicycle,motorcycle] 当电动车在电梯内发生爆燃时,乘客可能会因高温和烟雾而受到伤害;如果电动车进入电梯后对设备造成磕碰,则可能导致电梯故障并缩短其使用寿命。此外,将电动车带入楼内会占用消防通道,在火灾情况下阻碍人员逃生,并可能损害建筑物结构。因此,开发一种能够实时检测并预警电动车进入电梯的系统对于提高电梯使用安全性具有重要意义。 使用方法: 下载YOLO项目,在data目录下创建子文件夹:Annotations、images、imageSets和labels;将XML格式的数据手动导入到Annotations文件夹中,同时将JPG图像数据放入images文件夹内。若需要转换yolo格式的标注为xml格式,请自行搜索相关代码执行或联系博主获取脚本。
  • WiderPerson: VOCYOLO的拥挤行人检测
    优质
    WiderPerson是一款专为研究而设计的数据集,它提供了大量在各种复杂光照、遮挡及背景下的行人图像,支持VOC和YOLO两种标注格式,旨在推动拥挤场景下行人检测算法的发展。 WiderPerson数据集是用于拥挤场景行人检测的基准数据集,从中选取了近1万张图片进行训练。这些图像标签被转换为VOC和YOLO两种格式,即xml和txt文件,并且目标类别命名为person。此外,该数据集已经被划分为训练集train和验证集val,可以直接应用于YOLO、SSD、Faster-RCNN等算法的模型训练中。
  • Unity户
    优质
    Unity户外赛车场景是一款利用Unity引擎打造的真实感强烈的赛车游戏环境。玩家将置身于广阔而细节丰富的自然赛道中,体验高速驾驶的乐趣与挑战。 Unity赛车山区道路场景内包含山谷、湖泊、公路、隧道以及电力传输设备,并且包括控制代码和摄像机跟随(插值跟随)的代码。
  • 螺栓螺帽销钉丢失检测集(VOC+YOLO)14945类别.docx
    优质
    用于电力系统中螺栓、螺帽及销钉丢失检测的数据集,包含了1494张带标注的图片,可用于图像识别任务以及机器学习模型的训练,并可支持Pascal VOC格式和YOLO格式。该数据集涉及五种类别,包括螺栓丢失、螺帽松动、螺帽丢失、销钉丢失以及销钉正常状态。每种类别均提供相应标注框的数量,总共有1698个标注框。利用labelImg工具进行标注,在标注过程中,根据不同状态情况使用矩形框进行标记。数据集本身不包含分割路径的txt文件,而是包含了jpg图片、VOC格式的xml文件以及YOLO格式的txt文件。该数据集无法保证训练后模型的精度,仅提供准确合理的图像标注,以便于图像识别领域的研究与开发使用。
  • 线悬垂线夹检测集(VOC+YOLO,含2538图片,2个类别).7z
    优质
    该数据集包含2538张图像和两个类别的标注信息,以VOC及YOLO格式提供电力场景输电线悬垂线夹的检测数据,支持训练与评估相关识别模型。 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):2538 标注数量(xml 文件个数):2538 标注数量(txt 文件个数):2538 标注类别数:2 标注类别名称:[Yoke,Yoke Suspension] 每个类别标注的框数: Yoke 框数 = 1747 Yoke Suspension 框数 = 6149 总框数:7896 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