Advertisement

电动车进入电梯的YOLO目标检测数据集 - 97张图片,Yolo格式!

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


简介:
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • YOLO - 97Yolo
    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。
  • 线杆(YOLO+VOC) 2127.zip
    优质
    本数据集包含2127张图像及其标注文件,适用于YOLO和VOC格式的目标检测任务,专注于识别与分类电线杆。 数据集格式:VOC格式+YOLO格式 压缩包内包含三个文件夹: - JPEGImages 文件夹存储图片(jpg 格式),共 2127 张。 - Annotations 文件夹存放 xml 文件,共计 2127 个。 - labels 文件夹中则有 txt 文件,数量为 2127。 标签种类:单一类别 名称:[telegraph pole] 各类别框数: telegraph pole 的标注框共有 2700 个 总标注框计数:2700 图片质量与分辨率: - 清晰度良好,像素清晰。 - 图片未经过增强处理。 标签类型: 矩形框形式用于目标检测任务。 备注说明:暂无特别需要强调的内容。 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,所提供的仅是准确且合理的标注信息。
  • (3216)-包含VOC、YOLO和JSON注.zip
    优质
    本资料包提供了一个涵盖3216张图片的数据集,专注于记录电单车在电梯内的场景。文件包括详细的VOC、YOLO及JSON格式的标注信息,便于训练机器学习模型识别与分类电单车图像。 电单车入梯检测数据集(适用于课程作业、设计项目及比赛)【实际应用】:该数据集可用于开发电单车入梯控梯系统、电单车入梯检测告警系统以及电动车进电梯抓拍告警系统等。 【数据集详情】: - 总数:3216张图片。 - 类别:包含“电单车”和“电梯内人形”两类,手工标注精准且目标分布均匀。 - 背景多样性:背景多样化,适合科研实验及实际项目使用。 - 格式齐全:数据集标签支持voc(xml)、yolo(txt)以及json三种格式。 多种目标检测算法可以直接应用该数据集进行训练和测试。所有上传的数据均为博主在真实项目或实验中使用的高质量图像,确保了其可靠性和实用性。如有问题,请随时留言咨询。
  • 】11960水稻病害(VOC+YOLO).zip
    优质
    本资源提供一套用于水稻病害识别的目标检测数据集,包含11960张标注清晰的图像,并以VOC和YOLO两种格式呈现,适用于深度学习模型训练。 数据集采用了Pascal VOC格式与YOLO格式(不含分割路径的txt文件),仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件。 该数据集中共有11963张图片,每一张都有相应的标注信息: - Pascal VOC xml 文件数量:11963个 - YOLO txt 标注文件数量:11963个 这些图像被分为十二类进行标记: 标注类别数为 12 种,具体包括以下几种类型及其对应的框的数量: - BLBD: 框数 = 1030 - BLSD: 框数 = 1067 - BSD: 框数 = 1064 - DPD: 框数 = 1465 - FSD: 框数 = 2154 - Healty: 框数 = 1266 - NBD: 框数 = 1412 - NBSD: 框数 = 975 - Non-Rice: 框数 = 1298 - RBD: 框数 = 1070 - RRSD: 框数 = 972 - SBD: 框数 = 1303 总计标注框数量为:15,076个。 使用了labelImg工具进行标记,遵循对类别画矩形框的规则。
  • 】1000工具扳手VOC+YOLO.zip
    优质
    本资源提供包含1000张不同工具扳手图像的数据集,标注了VOC及YOLO格式文件,适用于目标检测模型训练与测试。 数据集格式采用Pascal VOC与YOLO两种格式结合的方式(不含分割路径的txt文件),仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件。 图片总数为1003张,相应的标注数量也是1003个。 唯一的标注类别是“banshou”,共有2097个此类别的框标记。
  • 】仓库托盘YOLO+VOC,含1182).zip
    优质
    本资源提供一套针对仓库托盘的目标检测数据集,包含1182张图片,并采用YOLO与VOC标准格式标注,适用于训练和测试相关模型。 数据集格式:VOC格式+YOLO格式 压缩包内包含三个文件夹: - JPEGImages 文件夹存储了1182张 jpg 图片; - Annotations 文件夹中包含了对应的 1182 个 xml 标注文件; - labels 文件夹中有与之匹配的 1182 个 txt 标签文件。 标签种类为一种,名称是“tuopan”。该标签共有矩形框38971个。 图片清晰度良好(分辨率为像素),未经过任何图像增强处理。