Advertisement

YOLO车辆检测三类别数据集 包含1793张图片（car-detect-dataset三种类型）

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

简介：
本数据集为YOLO车辆检测项目定制，包含1793张图像，涵盖汽车、行人和自行车三大类别的标注信息，适用于训练精确的多目标检测模型。 YOLO车辆检测三类别数据集包含1793张图片，适用于车辆检测任务。该数据集中的标签类型包括VOC格式和YOLO格式两种，类别名称分别为car、bus和truck。每张图中可能含有多个目标对象，并且这些目标在图像中清晰可见。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • YOLO车辆检测三类别数据集 包含1793张图片（car-detect-dataset三种类型）
    优质
    本数据集为YOLO车辆检测项目定制，包含1793张图像，涵盖汽车、行人和自行车三大类别的标注信息，适用于训练精确的多目标检测模型。 YOLO车辆检测三类别数据集包含1793张图片，适用于车辆检测任务。该数据集中的标签类型包括VOC格式和YOLO格式两种，类别名称分别为car、bus和truck。每张图中可能含有多个目标对象，并且这些目标在图像中清晰可见。
     
  • YOLO车辆分类三类别数据集 car-detect-dataset-1793.zip
    优质
    此数据集为车辆分类任务而设，包含1793个样本，分为轿车、卡车和SUV三大类，适用于训练YOLO模型进行精确的车辆检测与识别。 YOLO车辆检测三类别数据集包含1793张图片，用于进行车辆检测任务。标签格式包括VOC和YOLO两种类型，类别的名称分别为car、bus以及truck。每一张图中可能含有多个此类别，并且目标物在图像中的表现清晰明确。
     
  • YOLO车辆检测验证数据集 car-dataset-val.rar
    优质
    该数据集为YOLO算法设计，包含大量用于验证阶段的车辆图像，旨在优化模型在复杂场景下的目标检测性能。 该数据集用于YOLO车辆检测任务，包含训练集13,339张图片和验证集7,183张图片。分类包括car（汽车）、van（厢式货车）、others（其他）以及bus（公共汽车），共计四个类别。标签格式支持txt文本段落件及xml标注文件两种形式。
     
  • YOLO智能车辆目标识别数据集 car-zhineng-detect-dataset.zip
    优质
    car-zhineng-detect-dataset 是一个包含多种真实驾驶场景下的图像和视频的数据集，专为YOLO算法开发，用于提升智能车辆的目标识别能力。 YOLO智能车目标识别数据集用于检测斑马线、减速带、锥桶等目标，包含txt和xml格式的标签文件。
     
  • 关于7种车辆类型的YOLO数据集检测方法
    优质
    本研究构建了一个包含七类车辆的YOLO数据集，并提出了一种高效的车辆类型识别检测方法，旨在提升复杂场景下的目标检测精度与速度。 车辆类型检测使用Yolo模型，数据集包含7种类型的车辆：tiny-car（小型轿车）、mid-car（中型轿车）、big-car（大型轿车）、small-truck（小卡车）、big-truck（大卡车）、oil-truck（油罐车）和special-car（特殊用途汽车）。
     
  • 已标注的深度学习车辆类型数据集，包含XML和TXT格式，含1543张图片及三个类别
    优质
    本数据集为深度学习车辆识别研究而设，包括1543幅图像及其对应的XML与TXT文件注释，涵盖三大类别的车辆标注信息。 用于车辆类型识别的深度学习数据集包含1544张图片，适用于各种YOLO算法。该数据集有两种标签格式：XML和TXT，其中车辆类别分为car、motorbike和truck三个类别。所有标签已经过验证且没有问题，亲测可用。
     
  • 高速公路车辆检测数据集1700张单类别图像(YOLO格式).zip
    优质
    本数据集包含1700张针对高速公路车辆的高分辨率图像，适用于YOLO模型训练和验证，确保精准的目标检测性能。 目标检测项目使用了高速公路车辆的数据集，包含1700张图片和对应的标注文件。数据格式遵循YOLO标准，并且所有图像都是通过固定摄像头拍摄的高速公路上行驶的汽车照片。 具体来说： - 图片数量：1700（jpg文件） - 标注数量：1700（txt文件） - 标注类别数：1 - 唯一标注类别名称为“car” 此外，我们使用了labelImg工具进行数据的标注工作。按照规则，对于每个识别到的汽车目标，在图像中标记矩形框以方便模型训练和评估。 总共有0个边界框被标记在所有图片中（即目前的数据集中没有提供任何具体的车辆位置信息）。
     
  • 基于YOLO的轴承生产缺陷分类检测（数据集含568张图片，三类缺陷）
    优质
    本研究采用YOLO算法对轴承生产中的三种常见缺陷进行高效识别与分类，利用包含568张图像的数据集训练模型，旨在提升生产线上的自动化检测能力。 基于YOLO11的轴承生产缺陷智能检测系统阐述了整个数据制作和训练可视化过程。
     
  • YOLO车辆与行人检测 dataset-person-car-part2-5670.zip
    优质
    本数据集为YOLO车辆与行人检测系列的第二部分，包含5670个样本，专注于优化和训练算法在复杂场景中准确识别行人及车辆的能力。 本项目涉及街道和公路场景下的YOLO车辆行人检测技术。数据集较大，被拆分为两部分，这是第二部分，包含5000多张标注好的图片。目标类别包括person（行人）和car（汽车）。标签格式提供VOC和YOLO两种格式，即xml和txt文件形式。这些资源可以直接用于智能驾驶场景中的车辆行人检测任务。
     
  • 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。