Advertisement

YOLO人脸识别与目标检测数据集(内含1000张图片及Yolo、VOC、COCO格式标签)+划分脚本+教程文档.rar

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


简介:
该资源包包含YOLO人脸识别与目标检测的数据集,内有1000张图像及其对应Yolo、VOC、COCO格式的标注文件,并附带数据划分脚本和详细教程文档。 本数据集包含1000张图片用于YOLO人脸识别目标检测任务,并使用lableimg软件进行标注。类别仅有人脸(一个类别),并提供了yolo格式标签(txt文件)、voc格式标签(xml文件)以及coco格式标签(json文件)。每一张图片对应相应的三种格式的标签,分别存放在不同的文件夹中,可以直接用于YOLO系列的目标检测任务。 此外还附赠了关于如何搭建YOLO环境、训练案例教程和数据集划分脚本。用户可以根据自己的需求按比例自行将数据集划分为训练集、验证集及测试集。 免责声明:此数据集中提供的标注仅保证合理性,并不对基于该数据集训练的模型或权重文件的质量作出任何承诺,购买前请谨慎考虑。若无资源缺失问题,则概不负责处理相关请求。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • YOLO1000YoloVOCCOCO)++.rar
    优质
    该资源包包含YOLO人脸识别与目标检测的数据集,内有1000张图像及其对应Yolo、VOC、COCO格式的标注文件,并附带数据划分脚本和详细教程文档。 本数据集包含1000张图片用于YOLO人脸识别目标检测任务,并使用lableimg软件进行标注。类别仅有人脸(一个类别),并提供了yolo格式标签(txt文件)、voc格式标签(xml文件)以及coco格式标签(json文件)。每一张图片对应相应的三种格式的标签,分别存放在不同的文件夹中,可以直接用于YOLO系列的目标检测任务。 此外还附赠了关于如何搭建YOLO环境、训练案例教程和数据集划分脚本。用户可以根据自己的需求按比例自行将数据集划分为训练集、验证集及测试集。 免责声明:此数据集中提供的标注仅保证合理性,并不对基于该数据集训练的模型或权重文件的质量作出任何承诺,购买前请谨慎考虑。若无资源缺失问题,则概不负责处理相关请求。
  • YOLO(包10000像)+ yolovoccoco++.rar
    优质
    该资源包提供了一个包含10000张图像的人脸目标检测数据集,支持YOLO、VOC和COCO三种标注格式,并附带了详细的划分脚本与教程文档。 本数据集包含10,000张图片,并使用lableimg软件进行人头(单一类别)的标注工作。每个标签文件包括YOLO格式文本、VOC格式XML以及COCO格式JSON三种形式,确保与不同需求匹配。每一张图像都对应有一个相应的标签文件,分别存储在不同的目录下,可以直接应用于YOLO系列的目标检测任务。 此外还附赠了关于如何搭建和训练YOLO环境的教程及数据集划分脚本,方便用户根据自身需要对训练、验证以及测试集合的比例进行调整。 请注意:该数据集中提供的标注仅保证合理性,并不对由此生成模型或权重文件的效果作出任何承诺(如果要求更高精度可以自行使用lableimg软件微调标框)。因此不建议有极高精度需求的用户购买。同时,若无资源缺失问题,则不予负责退货或其他赔偿措施。
  • YOLO车牌(包1000VOCCOCOYOLO++训练.rar
    优质
    该资源包提供了一个包含1000张图片的YOLO车牌目标检测数据集,附带VOC、COCO和YOLO格式标签转换脚本及详细训练指南。 该数据集包含高质量的真实场景图片,并涵盖多种不同场景。附带的训练教程和数据划分脚本可以帮助用户根据需求自行拆分训练、验证及测试集合。 所有图像均使用lableimg标注软件进行标记,确保了标注框的质量。标签以voc(xml)、coco(json)以及yolo(txt)三种格式存储在不同的文件夹中,方便直接应用于YOLO系列的目标检测任务。
  • YOLO石油泄漏(包1000)+VOCCOCOYOLO++训练.rar
    优质
    此资源包提供一个用于石油泄漏检测的数据集,内含1000张图像及其对应VOC、COCO和YOLO格式标注文件。此外,还附有数据划分与模型训练的详细教程及脚本。 该数据集包含高质量的真实场景图片,适用于YOLO系列的目标检测任务。使用lableimg软件进行标注,并提供了voc(xml)、coco(json)以及yolo(txt)三种格式的标签文件,分别存放在不同的目录下。 此外还附带了关于如何搭建和训练YOLO环境的教程及数据集划分脚本,用户可以根据自身需求灵活地将数据划分为训练集、验证集与测试集。
  • YOLO番茄(包1000VOCCOCOYOLO和训练.rar
    优质
    这是一个包含了1000张图像的YOLO番茄目标检测数据集,附带VOC、COCO及YOLO格式标注文件、数据划分脚本以及详尽的训练教程。 本数据集包含高质量的YOLO番茄目标检测图片,涵盖多种真实场景。使用lableimg软件进行标注,确保了标注框的质量,并提供了voc(xml)、coco(json)及yolo(txt)三种格式标签文件,分别存储在不同目录下,方便直接用于YOLO系列的目标检测任务。 此外还附带了详细的环境搭建指南和训练教程以及数据集划分脚本。用户可以根据自己的需求灵活地将数据划分为训练集、验证集与测试集。 关于更多详细信息及其它相关数据集的下载,请参阅相应文档或联系项目发布者获取更多信息。
  • YOLO指针仪表(包1000VOCCOCOYOLO++训练RAR
    优质
    该RAR包提供YOLO指针仪表目标检测数据集,内含1000张图像及其VOC、COCO和YOLO格式的标注文件,并附带数据划分及训练指南。 YOLO工业指针仪表目标检测数据集包含800张高质量的jpg格式图片,覆盖多种真实场景。该数据集分为训练集和验证集,并使用lableimg标注软件进行高质量的标注,标签以json格式存储,可以直接用于YOLO系列的目标检测任务。
  • -1000-VOC/COCO/YOLO++GPU支持
    优质
    这是一个包含1000张图片的人脸检测数据集,提供VOC、COCO及YOLO格式的标注文件,并附带数据集划分脚本和GPU优化配置。 本段落介绍了一个人脸检测数据集,包含1000张高质量的真实场景图片,涵盖街景行人、道路行人、遮挡行人以及严重遮挡的人脸等多种复杂环境。该数据集适用于公共场所监控场景下的应用,并可作为其他通用人脸检测数据集的补充。 标注方面采用了专业的labelimg软件进行高精度标注,提供了VOC(XML)、COCO(JSON)和YOLO(TXT)三种常用格式的数据集文件,便于与多种目标检测算法兼容。特别是对于YOLO系列如YOLOv8和YOLOv5等算法的训练非常友好。 此外,数据集还附带了用于上述两种模型的一键式训练脚本,并支持在GPU、CPU以及Mac(M芯片)等多种平台上运行。这些工具简化了用户进行模型训练的过程并降低了使用的复杂性。同时提供了博主的训练日志以供参考和学习使用情况及性能指标。 该数据集是一个全面且有价值的资源,能够帮助研究人员与开发者高效地开发和优化人脸检测算法。
  • YOLO交通CCTSDB(包1000VOCCOCOYOLO++训练
    优质
    简介:此资源提供了一个包含1000张图像的YOLO交通标志检测专用CCTSDB数据集,内含VOC、COCO和YOLO格式标签及划分脚本,并附有详细的训练教程。 该数据集包含YOLO交通标志检测CCTSDB的真实场景高质量图片,涵盖多种应用场景。使用lableimg软件进行标注,确保了高精度的标注框,并提供了voc(xml)、coco(json)及yolo(txt)三种格式标签文件,便于直接应用于YOLO系列的目标检测任务中。 此外还附赠相关教程与脚本帮助用户搭建YOLO环境并进行训练案例的学习。同时提供数据集划分工具,支持根据需求灵活地将数据划分为训练集、验证集和测试集等不同部分。 更多关于该数据集的详细信息可参考相应的展示内容。
  • YOLO水果1000像)VOCCOCOYOLO++训练指南.rar
    优质
    这是一个包含1000张图片的YOLO水果识别数据集,附有转换为VOC、COCO和YOLO格式的标注工具以及训练模型所需的所有辅助文件。 该数据集包含高质量的真实场景水果图片,适用于YOLO系列目标检测模型的训练。使用lableimg软件进行标注,确保了高精度的标注框,并提供了voc(xml)、coco(json)及yolo(txt)三种格式标签文件,便于直接应用在不同需求上。 此外,还附有YOLO环境搭建指南和案例教程以及数据集划分脚本,用户可以根据需要自行调整训练集、验证集与测试集的分配比例。
  • YOLO海洋(包5000VOCCOCOYOLO++训练.rar
    优质
    这是一个包含5000张图像的数据集,专为海洋环境下的物体识别设计。文件内含VOC、COCO和YOLO格式的标注信息以及数据集划分工具,并附有详细的训练指导。 该数据集包含高质量的真实场景图片,覆盖多种不同的应用场景,并使用lableimg软件进行精确的边界框标注。提供的标签以VOC (xml)、Coco (json) 和 Yolo (txt) 三种格式存储在不同文件夹中,可以直接用于YOLO系列的目标检测任务。 此外还附赠了关于如何搭建YOLO环境及训练案例的相关教程和数据集划分脚本,用户可以根据自身需求自行分配训练集、验证集与测试集。