VOC目标检测数据集（人脸表情识别8类）A版 - 8279张图片，适合Yolo训练-ITADN社区

VOC目标检测数据集（人脸表情识别8类）A版 - 8279张图片，适合Yolo训练

优质

本数据集为VOC格式的人脸表情识别专用，包含8279张图像，涵盖8种基本表情类别。精心标注，适配YOLO模型的高效目标检测需求。数据集格式为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）。该数据集中共有8279张图片与相应的8279个标注文件。标注类别总数为8种：恐惧、悲伤、惊讶、轻蔑、愤怒、中立、厌恶和快乐。各分类的具体数量如下： - 恐惧: 1035 - 悲伤: 1035 - 惊讶: 1035 - 轻蔑: 1035 - 愤怒: 1035 - 中立: 1034 - 厌恶: 1035 - 快乐: 1035 标注工具为labelImg，规则是对每个类别进行矩形框的绘制。本次数据集发布包括A、B、C和D四个版本，各版本之间没有文件名重叠。重要提示：本数据集中提供的模型训练资料仅限于准确且合理的标记信息，并不对所生成模型或其权重精度提供任何保证。

VOC目标检测数据集（人脸表情识别8类）B版 - 8197张图片，适用于Yolo训练

优质

本数据集为VOC格式的人脸表情图像集合，包含8种基本情绪类别，共8197张图片，优化升级版本，专为YOLO目标检测算法的训练与测试设计。数据集采用Pascal VOC格式存储（不含分割路径的txt文件、yolo格式的txt文件），仅包含jpg图片及对应的xml标注文件。总共有8197张图片，每一张都有相应的XML标注文件。该数据集中有八种不同的类别： - sad - disgust - anger - surprised - happy - fear - contempt - neutral 各类别的标注数量如下： sad：1024个标记框； disgust：1025个标记框； anger：1025个标记框； surprised：1024个标记框； happy：1024个标记框； fear：1025个标记框； contempt：1025个标记框； neutral：1025个标记框。标注工具使用的是labelImg，具体规则是对每个类别进行矩形区域的绘制。本次发布包含A、B、C和D四个不同的版本，各版本之间没有文件名重复的情况，可以下载后混合用于训练。请注意，数据集不保证所训练模型或权重文件的精度，只确保标注信息准确合理。

WIDERFACE人脸检测数据集A（小目标VOC+YOLO格式，含7906张图片，1个类别）.7z

优质

这是一个包含7906张图像的数据集，专为WIDERFACE的人脸检测挑战设计，采用VOC和YOLO格式标注，专注于捕捉小目标人脸。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）：7906 标注数量（xml文件个数）：7906 标注数量（txt文件个数）：7906 标注类别数：1 标注类别名称：[face] 每个类别的框数： - face 框数 = 180,744 总框数：180,744 使用标注工具：labelImg 标注规则：对类别进行矩形框绘制。重要说明：此数据集是widerface数据集的一部分，特点是每个图片至少有一个面积小于3500像素的边界框（bbox），适合用于远距离人脸检测。同时，小的人脸可能容易被误检。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，仅确保标注准确合理。

WIDERFACE人脸检测数据集B大目标，VOC+YOLO格式，含8188张图片，1个类别.7z

优质

本资源提供WIDERFACE数据集中较大目标的人脸图像，共计8188张，并转换为VOC及YOLO格式，便于检测模型训练。内含标签文件和图片，压缩包格式为7z。数据集格式：Pascal VOC格式+YOLO格式（不包含分割路径的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)：8188 标注数量(xml文件个数)：8188 标注数量(txt文件个数)：8188 标注类别数：1 标注类别名称:[face] 每个类别标注的框数： face 框数 = 14649 总框数：14649 使用标注工具：labelImg 标注规则：对类别进行画矩形框重要说明：这是widerface数据集的一部分，该数据集的特点是每个图片中的边界框像素面积都大于3500，适合用于大脸检测（即人近距离的人脸检测）。使用此数据集的一个好处是不会轻易出现误检问题。不过对于远距离人脸的检测可能会效果稍差。特别声明：本数据集不对训练模型或权重文件的精度作任何保证，仅提供准确且合理的标注。

数据集目标检测躺坐站识别检测数据集VOC+YOLO 9488张 3类别.docx

优质

\n目前，目标检测作为计算机视觉的核心技术，在机器学习领域具有重要地位。其中的主要任务是在给定的图像中识别出一个或多个物体的实例，并同时确定其具体的定位信息。本研究聚焦于人体躺坐站态（即坐姿）识别的任务，这是一种目标检测技术的具体应用场景。为了辅助研究人员进行目标检测模型的开发与优化，本数据集提供了一份标准化的人体姿态标注数据资源。数据集包含两种文件格式，分别对应Pascal VOC和YOLO两种主流的目标检测算法框架。其中，每幅图片的原始文件包括JPG图像文件及相应的XML注数据，这种组织方式使目标信息更具可访问性。与此同时，YOLO格式采用的是注释信息存储的方式，在此过程中采用了更加简明的形式来记录目标位置信息。经过统计分析发现，数据集中共有9488张图片样本，并且每一张图片都附带了完整的标注文件，包括XML和TXT格式的文本文档。这使得数据集在完整性方面具有较高的水准。在分类任务中，该数据集涉及三个不同的姿态类别：包括“躺下”、“坐”以及“站立”。具体而言，在所有样本中，“坐”的类别占绝对主导，其次是“站立”类别，最少的是“躺下”类型。整个数据集中共有14354个目标框被检测出来，这说明各个类别的样本分布较为均衡合理。在这一过程中，标注工作的具体执行流程需要严格遵循矩形框标注的标准操作规范，以确保目标检测的准确性。为此，研究团队采用了labelImg作为图像标注工具，并在其图形界面中提供了直观的操作界面。用户可以在此界面中通过直接绘制矩形框的方式来选择、标记需要识别的目标物体，并同时为每个类别赋予对应的名称标签。需要注意的是，本数据集约70%的样本是以增强版本的方式获取的，通过数字变换技术对原图进行旋转、缩放、裁剪等处理生成。这种处理方式不仅能够有效增加多样化的样本素材，还能够有助于提升模型在不同环境下的适应能力。然而，在实际应用过程中也存在一些需要注意的事项：数据集的提供的文件格式和具体内容均遵循了公开的标准规范，并不保证模型性能的绝对准确度，使用者应当结合实验验证的方式进行评估与应用。基于此，建议用户通过详细研究相关领域内的实际案例，以便更好地理解和利用这一资源包。该数据集对于目标检测领域的研究者、图像识别专家以及人工智能技术研发人员等具有很高的参考价值和应用前景。因此，在其发布之后，不仅在学术研究层面会产生积极的影响，在实际应用层面也将为多个行业带来更多的可能性。作为持有一个重要结论的文本改写任务，改写后的段落结构保持与原版一致的前提下，并对重复率较高的表达进行了必要的替换和重构。同时，通过增加一些细节描述，有效控制了字数范围在30%至50%之间。

包含10K张图片的人脸数据集，适用于人脸识别模型训练

优质

本数据集包含超过10,000张高质量人脸图像，旨在为开发和优化人脸识别技术提供全面支持。适合用于训练、验证及测试多种人脸识别算法模型。我们有一个包含10K张人脸图片的数据集，可用于训练人脸识别模型。

【目标检测数据集】鱼类数据集2798张图片，涵盖31类分类检测（VOC+YOLO格式）.zip

优质

本数据集包含2798张鱼类图像，适用于目标检测任务，涵盖了31种不同的鱼类类别，并提供VOC和YOLO两种格式的标注文件。数据集格式：VOC格式+YOLO格式图片数量（jpg文件个数）：2798 标注数量（xml文件个数）：2798 标注数量（txt文件个数）：2798 标注类别数：31 标注类别名称：Bangus、Big Head Carp、Black Spotted Barb、Catfish、Climbing Perch、Fourfinger Threadfish、Freshwater Eel、Glass Perchlet、Goby、Gold Fish、Gourami、Grass Carp、Green Spotted Puffer、Indian Carp、Indo-Pacific Tarpon, Jagua

狗狗行为检测数据集（1551张图片，8种类别，YOLO+VOC格式）.zip

优质

本数据集包含1551张关于狗狗行为的图像，涵盖八种不同的类别标签。以YOLO和VOC两种格式提供，适用于训练机器学习模型识别和分类不同情境下的狗的行为模式。数据集格式：VOC格式+YOLO格式压缩包内包含三个文件夹： 1. 存储图片的JPEGImages文件夹，总计有1551张jpg图片。 2. 用于存储标注信息的Annotations文件夹，其中xml文件总数为1551个。 3. labels文件夹中存放目标检测用的txt格式标签数据，共计包含1551个文本段落件。该数据集涵盖8种不同的类别： - bark - default - eat - lyingDown - lyingProne - sit - sleep - stand 各类别对应的标注框数量分别为：bark（168），default（211），eat（208），lyingDown （240）, lyingProne (148)，sit(154), sleep(253) 和stand(231)，总计有 1613个标注框。图片的清晰度良好，分辨率较高。数据集中未进行任何增强处理以保持原始信息的真实性和完整性。标签形状为矩形框形式，用于目标检测任务中的物体识别部分。重要说明：无特别声明：本数据集不提供关于训练模型或权重文件精度方面的保证，仅确保所提供的标注准确且合理。

狗狗行为检测数据集（1551张图片，8种类别，YOLO+VOC格式）.zip

优质

本数据集包含1551张标注图片，涵盖八种不同的狗狗行为类别。以YOLO和VOC标准格式存储，便于机器学习模型训练与测试。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 1551 张 JPG 图片。 - Annotations 文件夹中包含了对应的 1551 个 XML 标注文件。 - labels 文件夹则有相应的 1551 个 TXT 文件。标签种类共有8种，分别为：bark, default, eat, lyingDown, lyingProne, sit, sleep 和 stand。各类别标注的具体数量如下： - bark: 168 - default: 211 - eat: 208 - lyingDown: 240 - lyingProne: 148 - sit: 154 - sleep: 253 - stand: 231 总标注数量为：1613。图片的分辨率清晰，未进行数据增强处理。标签形状是矩形框用于目标检测任务中识别物体边界。重要说明：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，仅确保提供的标注准确且合理有效。

【目标检测数据集】295张蚊子检测图像 VOC+YOLO格式可直接训练.zip

优质

本资源包含295张用于蚊子目标检测的高质量图像，支持VOC与YOLO两种格式，可无缝对接多种深度学习框架，助力快速搭建高效蚊子识别模型。个人手工标注的数据集已检查完毕，准确度高。数据包含Pascal VOC格式的xml文件以及YOLO格式的txt文件（不含路径信息），仅包括jpg图片及其对应的VOC xml和yolo txt文件。 - 图片数量（jpg个数）：295张 - 标注数量（xml个数）：295份 - 标注数量(txt个数)：295份 - 标注类别数：1类 - 标注类别名称：mosquito - 每个类别标注的框数：mosquito 类别共有409个标注框 - 总框数：409 使用工具：labelImg

是否确定退出登录?

VOC目标检测数据集（人脸表情识别8类）A版 - 8279张图片，适合Yolo训练

全部评论 (0)