压路机和吊车的数据集，作为目标检测数据集。-ITADN社区

优质

本数据集包含多种型号的压路机与吊车图像，适用于训练和评估目标检测模型性能。涵盖丰富场景，标注精准。适合初学者的目标检测数据集包括压路机和吊车的数据集。这类数据集可以帮助新手更好地理解和实践目标检测技术。

优质

本数据集专为路面垃圾检测设计，《目标检测》项目核心资源，包含大量标注图像，助力算法模型精准识别与分类各类路面垃圾。 YOLO与VOC格式的路面垃圾识别数据集适用于包括YOLO系列、Faster R-CNN、SSD在内的多种模型训练。该数据集包含17个类别：塑料瓶、口罩、纸袋、塑料杯、纸质杯子、硬纸板、果皮、罐子、塑料包装膜、硬纸壳箱、泡沫聚苯乙烯容器（Styrofoam）、利乐包（Tetra Pack）、彩色玻璃瓶、塑料袋、抹布以及落叶堆。数据集包含7537张图片，其中图片和txt标签已按比例划分成训练集、验证集和测试集，并附有指定类别信息的yaml文件及xml格式标签。这些资源可以直接用于YOLO算法的训练过程。

自卸车目标检测数据集

优质

本数据集专为自卸车目标检测设计，涵盖丰富的真实场景图像与标注信息，旨在提升模型在复杂环境下的识别精度和鲁棒性。自卸车数据集是一个适合初学者入门的目标检测数据集。

洒水车目标检测数据集

优质

洒水车目标检测数据集是一套专门用于训练和测试计算机视觉模型识别和定位洒水车的图像及视频数据集合。该数据集包含多种场景下的高质量标注样本，有助于提升自动驾驶系统、智能监控等领域的性能与准确性。适合初学者使用的洒水车目标检测数据集及训练集。

VOC塔吊目标检测数据集含2559张图片

优质

本数据集包含2559张图像，专为VOC格式设计，旨在提升塔吊在复杂环境中的目标检测精度与效率，适用于研究和开发高性能视觉识别系统。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图片及其对应的xml标注）图片数量（jpg文件个数）：2559 标注数量（xml文件个数）：2559 标注类别数：1 标注类别名称：tadiao 每个类别的标注框数：tadiao count = 2936 使用工具：labelImg 标注规则：对目标类别进行矩形框标记重要说明：无特别声明特别声明：本数据集不对训练模型或权重文件的精度提供任何保证，仅确保提供的标注准确且合理。

沥青车和搅拌车目标检测数据集

优质

本数据集专为沥青车与搅拌车的目标检测设计，包含大量标注图像，适用于训练及评估深度学习模型在特定工业车辆识别中的性能。沥青车与搅拌车目标检测数据集适合初学者练习使用。这是一个理想的目标检测练手项目。

《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。

《数据集》灭火器检测数据集《目标检测》

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。

《数据集》路面杂物识别数据集《目标检测》

优质

该数据集专注于路面杂物识别的目标检测任务，包含大量标注图像和注释信息，旨在提升自动驾驶系统对路面障碍物的感知能力。 YOLO与VOC格式的路面垃圾识别数据集适用于YOLO系列、Faster R-CNN、SSD等多种模型训练。该数据集中包含17个类别：塑料瓶、口罩、纸袋、塑料杯、纸质杯、硬纸板、果皮、罐子（金属或玻璃）、塑料包装膜、硬纸板容器、泡沫聚苯乙烯盒（Styrofoam）、四面体牛奶盒（Tetra Pack）、彩色玻璃瓶、塑料袋、抹布和落叶堆。数据集包含7537张图片，并且已经将这些图片及其对应的txt标签划分为训练集、验证集和测试集，可以直接用于YOLO算法的训练。

数据集：路面坑洼识别的目标检测数据集

优质

本数据集专为路面坑洼识别设计，包含大量标注图像，旨在推动目标检测算法在道路维护与智能驾驶中的应用与发展。该数据集适用于YOLO系列（包括YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9和YOLOv10）、Faster R-CNN 和 SSD等模型的训练，包含681张图片以及对应的txt标签文件。此外，还提供了一个指定类别信息的yaml文件和xml格式的标签文件。

是否确定退出登录?

压路机和吊车的数据集，作为目标检测数据集。

全部评论 (0)