Advertisement

DUT-OMRON医学图像目标检测数据集(采用YOLO格式的txt文件)

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


简介:
该数据集为医学图像中特定目标设计,遵循YOLO框架下的标注标准,旨在促进医疗影像分析技术的发展和应用。 项目包含DUT-OMRON目标检测数据集(YOLO格式的txt文件),数据按照文件夹保存,可以直接用作目标检测的数据集,无需额外处理。该数据集中包含了用于显著性检测的目标图像及其标注信息。 数据总大小为107MB,并分为训练集和测试集: - 训练集包含4135张图片及相应的4135个标签txt文件。 - 测试集则由1033张图片和对应的1033个标签txt文件组成。 此外,数据集中还包含了检测类别的分类信息的txt文件。为了方便查看这些图像及其标注结果,项目提供了一个可视化py脚本。用户可以随机传入一张图片,该脚本会绘制出相应的边界框,并将其保存在当前目录下。此脚本无需任何修改即可直接运行使用。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • DUT-OMRONYOLOtxt
    优质
    该数据集为医学图像中特定目标设计,遵循YOLO框架下的标注标准,旨在促进医疗影像分析技术的发展和应用。 项目包含DUT-OMRON目标检测数据集(YOLO格式的txt文件),数据按照文件夹保存,可以直接用作目标检测的数据集,无需额外处理。该数据集中包含了用于显著性检测的目标图像及其标注信息。 数据总大小为107MB,并分为训练集和测试集: - 训练集包含4135张图片及相应的4135个标签txt文件。 - 测试集则由1033张图片和对应的1033个标签txt文件组成。 此外,数据集中还包含了检测类别的分类信息的txt文件。为了方便查看这些图像及其标注结果,项目提供了一个可视化py脚本。用户可以随机传入一张图片,该脚本会绘制出相应的边界框,并将其保存在当前目录下。此脚本无需任何修改即可直接运行使用。
  • DUT-OMRON显著性.zip
    优质
    该资料提供了一个专为显著性目标检测设计的数据集DUT-OMRON,包含丰富的图像及标注信息,适用于研究和开发相关算法。 显著性目标检测(SOD)是计算机视觉领域中的一个重要任务,目的是从图像中准确地定位并提取出显著性的对象区域。这些数据集通常包含大量经过标注的图片,每个显著的目标都被标记为独立的一个区域,以便训练和评估不同的模型。 在所有用于这一领域的数据集中,DUTS-TR(训练集)尤为突出,它包含了10553张图像,并且是目前使用最广泛、规模最大的公开数据集之一。这个数据集包括了多种重要的场景图片类型,为研究提供了丰富的素材。 除了上述的训练集合之外,还有六个常用的测试集合:DUT-OMRON(包含5168张图)、 DUTS-TE(有5019幅图像)、 HKU-IS(4447个样本)、 ECSSD(包括1000张图片)、 PASCAL-S(含850个实例)和SOD数据集(300张)。这些测试集合可以帮助研究人员训练并评估各种显著性目标检测算法,进而改善该领域的技术性能。
  • YOLOtxt转换为xml
    优质
    本项目提供了一种简便的方法,用于将YOLO格式的目标检测标注从txt文件转化为PASCAL VOC标准的XML格式,便于多平台使用和进一步的数据处理。 YOLO目标检测数据集的txt格式可以转换为xml格式,并且可以通过一键运行的方式完成转换。
  • YOLO中XML转换为TXT
    优质
    本文介绍了一种将YOLO目标检测数据集中的标注文件从XML格式转换成TXT格式的方法,便于模型训练和测试。 YOLO目标检测数据集的XML格式可以转换为TXT格式,并且可以通过一键运行的方式完成这一过程。
  • DUT-OMRON显著性(5166)
    优质
    DUT-OMRON数据集包含超过5000幅图像及其相应的显著图,用于评估和比较不同显著性检测算法的效果。 显著性检测是计算机视觉的一个重要领域,在深度学习的训练阶段以及显著性检测算法的评估过程中都需要大量带有标注信息的数据集。常用的数据集包括DUT-OMRON(包含5166个样本及其对应的GT图)。
  • 汽车缺陷VOC
    优质
    本数据集为汽车缺陷检测设计,基于VOC标准进行标注,包含大量标记清晰的目标检测图片,旨在促进自动驾驶与智能车辆领域的研究。 目标检测数据集:汽车缺陷检测图像数据集【VOC标注格式】,数据保存按照文件夹形式存放,经测试可以直接用于目标检测任务,无需额外处理。 【数据集详情】包含3000多张图片及对应的xml标注文件和类别信息的json文件。 标签类别包括门外凹痕、发动机罩凹痕、车身面板凹痕等17个类别。
  • :底特律街景六分类(YOLOtxt
    优质
    本数据集包含底特律市街道场景下的六类物体标注信息,采用YOLO格式存储于txt文件中,适用于训练和评估目标检测模型。 项目包含底特律街景目标检测数据集,可以直接用作目标检测的数据集而无需进行额外处理。 分类类别包括:汽车、交通标志、车道线、行人、摩托车手和骑行者。 数据集介绍: - 数据分为训练集、验证集和测试集。 - 总大小为475MB - 训练集由1575张图片及对应的1575个标签txt文件组成; - 验证集包括450张图片及其相应的450个标签txt文件; - 测试集则有225张图片和与之匹配的225个标签txt文件。 此外,还提供了一个类别列表的txt文件。 为了方便查看数据,项目中提供了可视化py脚本。此脚本能接收一张输入图片,并绘制边界框后保存到当前目录下。
  • 面罩YOLO
    优质
    本数据集包含大量标注为YOLO格式的面部遮盖物图像,旨在促进对面部覆盖物体识别的研究与应用开发。 数据集包含以YOLO格式存储的图像及其对应的txt文件,内容与面罩相关。数据集包括两个文件:Face Mask Detection(Images with YOLO Format)_datasets.txt 和 Face Mask Detection(Images with YOLO Format)_datasets.zip。
  • 】612张肠道息肉,VOC+YOLO.7z
    优质
    本数据集包含612张用于肠道息肉检测的高质量医学图像,采用VOC和YOLO双格式存储于压缩文件中,适用于目标检测模型训练与验证。 数据集格式:Pascal VOC格式+YOLO格式(不含分割路径的txt文件,仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):612张 标注数量(xml文件个数):612份 标注数量(txt文件个数):612份 标注类别数:1类 标注类别名称:[xirou] 每个类别标注的框数: xirou 框数 = 712 总框数:712 使用标注工具:labelImg 标注规则:对类别进行画矩形框