Advertisement

CUHK Occlusion Dataset数据集以YOLO和VOC格式提供,并包含已划分好的训练集和测试集。

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


简介:
CUHK Occlusion Dataset数据集,专门为行人检测而设计,已完成YOLO格式数据集的训练和划分工作。此外,我们还同步上传了YOLO和VOC两种格式的标签集。具体内容包括:首先,提供了VOC格式的数据集,以.xml文件的形式呈现;其次,提供了YOLO格式的数据集,以.txt文件的形式呈现;最后,包含了经过划分的YOLO格式训练集及数据集的清晰文件结构:其中“images”目录下分别存放了“train”(训练图像的JPEG图片)和“val”(测试图像的JPEG图片)两部分;“labels”目录下则包含“train”(训练图像对应的标签)和“val”(测试图像对应的标签)。同时,还保留了原始数据集中的JPEGImages目录(包含1063张JPEG图片),以及Annotations目录(存储对应图片的.xml标签文件——VOC格式),以及YOLOLabels目录(存储对应图片的.txt标签文件——YOLO格式)。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • CUHK Occlusion DatasetYOLOVOC
    优质
    本数据集提供CUHK OcclusionDataset,包含标注清晰的YOLO和VOC两种格式图片及其对应标签,内含严格区分的训练集与测试集。 CUHK Occlusion Dataset数据集用于行人检测,并做好了yolo格式的数据集训练与划分。上传的文件包括: 1. VOC格式(.xml 文件)的数据集。 2. yolo 格式(.txt 文件)的数据集。 3. 划分好的yolo格式的训练集和测试集。 文件结构如下: - images - train (包含训练集jpg图片) - val (包含测试集jpg图片) - labels - train (包含训练集标签) - val (包含测试集标签) - VOC2007 - JPEGImages(1063张原始的jpg图片) - Annotations(对应于数据集中每一张图片的.xml格式VOC标签文件) - YOLOLabels(对应于数据集中每一张图片的.txt 格式yolo标签文件)。
  • WiderPersonYolo
    优质
    WiderPerson数据集是以YOLO格式划分训练与测试集合的专业数据库,旨在为行人检测研究提供高质量标注图像及边界框信息。 yolo格式的widerperson数据集(已划分训练集和测试集)。
  • Python脚本用于将COCOVOC转为Yolo系列
    优质
    这段Python脚本旨在便捷地处理图像数据集,功能涵盖自动拆分数据为训练集及测试集,同时支持COCO和VOC标注文件转换成YOLO兼容格式,助力深度学习模型高效训练。 内容概要:该Python脚本用于划分训练集与测试集,并能将COCO、VOC格式的数据转换为YOLO系列数据格式。经过大量实践验证无BUG的源代码适用于学生以及具备一定编程基础的研发人员(工作1-3年),也适合想入门人工智能的爱好者和科研工作者使用,能够帮助用户快速实现效果并节省时间。
  • PASCAL VOC YOLO
    优质
    本数据集为PASCAL VOC数据集转换成YOLO格式后的版本,适用于目标检测任务中的模型训练与评估。包含标注图像及其对应标签文件。 PASCAL VOC目标检测的YOLO格式训练集。
  • VOC、验证代码
    优质
    本代码提供了一套高效的方法来将VOC数据集划分为训练集、验证集及测试集,便于机器学习模型的开发与评估。 一个简单的代码可以将VOC数据集按照7:1:2的比例划分为训练集、验证集和测试集,并将其放置在相应的VOC格式文件夹下。只需调整__main__中的三个路径,即可运行该程序来划分VOC数据集为train、val和test集合。
  • 害虫四种类别完毕。
    优质
    本数据集专为害虫图像识别设计,涵盖四大类害虫,内含预划分的训练与测试样本,便于模型训练及性能评估。 我们有一个害虫分类数据集,包含了四种不同的害虫类别。训练集和测试集已经划分完成。
  • 使用VOC+YOLO纸箱子检进行
    优质
    该数据集专为计算机视觉领域的目标检测任务提供了一个丰富的资源库,旨在支持研究人员和开发者进行高效的目标检测模型设计与优化。该数据集包含8,375张图片,并对唯一的目标类别的‘纸箱子’进行了标注。它采用了业内常用的两种数据格式:Pascal VOC格式与YOLO格式,方便研究人员使用不同工具处理这些数据。Pascal VOC格式包括.jpg图像文件和对应的.xml注记文件。相反,在YOLO格式中,数据以.txt文本文件的形式呈现。所有注记文件中的矩形框总数达到了168,758个。所有注记文件中的矩形框总数达到了168,758个。由于仅涉及一个目标类别,因此标注结果只针对这一类物品进行标记。为了实现这一目标检测任务,所使用的标注工具是labelImg,这是一种广泛使用的开源标注软件。它允许用户为图像中的不同对象画出边界框,并将这些信息记录在相应的注记文件中。此外,该数据集还提供了一些注释样本,这些示例可以让使用者了解注记的具体方式和格式要求,从而更好地利用该数据集进行目标检测模型的训练与评估。这些高质量、大规模的标注图像资源为计算机视觉领域的研究者和工程师开发和测试纸箱子检测的目标检测模型提供了极大的便利。不仅有助于加速算法的研究与开发进程,还可能直接应用于工业自动化和智能监控等实际场景,提升解决方案的准确性和效率。该数据集的推出对提升相关应用的质量和效率具有重要的意义。此外,该数据集的开放性和共享性为计算机视觉社区的知识交流和技术进步提供了宝贵的资源。
  • TE.zip
    优质
    本资料包提供了一个用于文本挖掘或自然语言处理研究的TE数据集,内含详细的训练集与测试集划分,便于模型开发与验证。 TE数据集是目前故障诊断领域常用的数据库之一。它由训练集和测试集两部分组成,整个TE数据集中包含22次不同的仿真运行结果的数据,每个样本有52个观测变量。d00.dat至d21.dat构成了训练集的样本段落件,而d00_te.dat到d21_te.dat则是用于测试的样本段落件。其中,d00.dat和d00_te.dat代表的是正常操作条件下的数据。 具体来说,d00.dat是通过运行25小时仿真的方式获取的数据,总共包含500个观测点;而d00_te.dat则是在48小时仿真环境下获得的测试样本段落件,该文件共记录了960个观测值。
  • 岩石
    优质
    这是一个包含已区分训练和测试样本的岩石相关属性的数据集合,适用于机器学习模型的训练与评估。 数据集格式:jpg图片 标注类别数:6 使用标注工具:labelImg 标注规则:对每个类别画矩形框进行标注 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。
  • criteo_small 及验证
    优质
    简介:Criteo Small数据集是专为广告点击预测设计的小规模版本,内含预划分好的训练、测试和验证数据集,便于模型快速迭代与评估。 三个文件分别是train.txt、test.txt和val.txt。