Advertisement

目标检测：红外车辆与行人数据集

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

简介：
基于YOLOv8模型的高精度红外行人车辆目标检测系统可在日常生活中识别和定位红外行人的车辆目标，其中包含了共计7,041张红外图像样本，每幅图像均附有VOC格式的目标标注信息。该系统可应用于多个领域，包括无人机物体检测、鸟类物体探测以及行人数值检测等数据集的训练与分析。目标识别数据集无人机物体检测数据集鸟类物体探测数据集基于YOLOv8模型的高精度红外行人车辆目标检测系统可用于日常生活中检测与定位红外行人车辆目标，包含7041张红外图像，包括voc格式的xml目标坐标。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 已标注的红外行人检测数据集
    优质
    本数据集包含了大量经过人工标记的红外图像，专为行人检测算法的研究与开发设计。 红外行人检测数据集由FLIR热红外相机采集而成，并已包含txt格式的标签文件进行标注。下载解压后即可直接使用。
  • YOLOv7车辆行人检测及训练模型+5000车辆行人检测数据集
    优质
    简介：本项目提供YOLOv7算法在车辆和行人检测中的应用与训练模型，并包含一个涵盖5000个样本的数据集，适用于深度学习研究者进行目标检测的实验。 该车辆行人检测项目基于YOLOv7模型进行开发，并已使用包含一万多张交通场景图像的数据集完成训练。数据集中包括5000多张额外的测试图片，标签格式为txt和xml两种文件类型，分别保存在两个不同的文件夹中。目标类别共有2个：person（行人）和car（车辆）。经过充分训练后，模型达到了90%以上的mAP值，并提供了PR曲线、loss曲线等评估结果以供参考。 该项目采用了PyTorch框架进行实现，所有代码均为Python编写。
  • 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。
  • YOLO红外船舶目标检测数据集
    优质
    简介：YOLO红外船舶目标检测数据集是一款专为海上监控设计的数据集合，包含大量船只在不同海况下的红外图像，适用于训练和评估先进的船舶自动识别系统。 YOLO红外船只目标检测数据集包含6000多张高质量的真实场景图片，使用lableimg软件进行标注。图片格式为jpg，标签有两种：VOC格式和yolo格式，并分别保存在两个不同的文件夹中，可以直接用于YOLO系列的红外船只目标检测任务。该数据集涵盖了丰富的应用场景，并包括liner、sailboat、warship、canoe、bulk carrier、container ship以及fishing boat七个类别目标。
  • 红外数据集-武器目标检测.zip
    优质
    该资料包包含用于武器目标检测的红外图像数据集，适用于开发和评估基于深度学习的目标识别算法。 武器目标检测红外数据集
  • 车辆目标检测数据集 - 汽车图像与卫星遥感图 - 人工智能车辆数据集
    优质
    本数据集包含汽车图像及卫星遥感图片，专为车辆目标检测设计，适用于训练和评估人工智能模型在不同场景下的车辆识别能力。 这是一批车辆的数据集，包含三种类型的机动车：轿车、巴士以及卡车。数据集可用于人工智能目标检测算法的研究。图片总数为1000张，尺寸统一为1024x1024像素的RGB彩色图像，并且是通过卫星拍摄得到的可见光成像照片。所有图片都已标注完毕，标签格式采用pascal voc标准（xml文件）。
  • 自建车辆目标检测数据集（1.0）
    优质
    本数据集为自建车辆目标检测专用，包含多种场景下的高清图像及精确标注框与类别信息，适用于训练和测试相关算法模型。版本1.0。 个人自制的目标检测样本集（xml格式）用于完成毕业设计。图像数据来源为江苏路网采集的视频，时间范围从2022年10月27日至2023年4月7日。标注采用labelimg工具，共包含1044个样本，其中两千多个是car标签，少部分为bike标签。 免费转载使用时，请注明出处bitzh_tyw。