《数据集》路面垃圾检测数据集《目标检测》

5星

浏览量: 0

大小:None

文件类型：ZIP

简介：
本数据集专为路面垃圾检测设计，《目标检测》项目核心资源，包含大量标注图像，助力算法模型精准识别与分类各类路面垃圾。 YOLO与VOC格式的路面垃圾识别数据集适用于包括YOLO系列、Faster R-CNN、SSD在内的多种模型训练。该数据集包含17个类别：塑料瓶、口罩、纸袋、塑料杯、纸质杯子、硬纸板、果皮、罐子、塑料包装膜、硬纸壳箱、泡沫聚苯乙烯容器（Styrofoam）、利乐包（Tetra Pack）、彩色玻璃瓶、塑料袋、抹布以及落叶堆。数据集包含7537张图片，其中图片和txt标签已按比例划分成训练集、验证集和测试集，并附有指定类别信息的yaml文件及xml格式标签。这些资源可以直接用于YOLO算法的训练过程。

全部评论 (0)

还没有任何评论哟~

客服

《数据集》路面垃圾检测数据集《目标检测》

优质

本数据集专为路面垃圾检测设计，《目标检测》项目核心资源，包含大量标注图像，助力算法模型精准识别与分类各类路面垃圾。 YOLO与VOC格式的路面垃圾识别数据集适用于包括YOLO系列、Faster R-CNN、SSD在内的多种模型训练。该数据集包含17个类别：塑料瓶、口罩、纸袋、塑料杯、纸质杯子、硬纸板、果皮、罐子、塑料包装膜、硬纸壳箱、泡沫聚苯乙烯容器（Styrofoam）、利乐包（Tetra Pack）、彩色玻璃瓶、塑料袋、抹布以及落叶堆。数据集包含7537张图片，其中图片和txt标签已按比例划分成训练集、验证集和测试集，并附有指定类别信息的yaml文件及xml格式标签。这些资源可以直接用于YOLO算法的训练过程。

《数据集》水面垃圾检测数据集《目标检测》

优质

本数据集专注于水面垃圾检测，包含大量标注图片，适用于训练和评估目标检测模型在水域环境中的性能。该数据集适用于YOLO系列（包括YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9及更高版本）、Faster R-CNN 和 SSD 等模型的训练，包含4308张图片和对应的txt标签。此外还提供了一个yaml文件用于指定类别信息以及xml格式的标签文件。数据集已根据用途划分成训练集、验证集和测试集，可以直接使用进行YOLO系列算法的训练。

物体和垃圾目标检测数据集

优质

该数据集包含大量标注的物体与垃圾图像样本，旨在推动智能垃圾分类及环境监测相关技术的发展。五类物品：电池、纸团、一次性杯子、塑料瓶和积木，每种类别大约有350张左右。

垃圾检测数据集（非垃圾分类）

优质

本数据集包含了各类环境中的垃圾图像样本，旨在提供一个全面的数据资源库以支持垃圾检测算法的研究与开发。该垃圾检测数据集包含多种目标物如垃圾袋、垃圾桶、瓶子、金属、纸张、果皮、纸团、食品包装袋、纸盒、烟头、瓶盖以及杯子等的图像样本。此数据集分为两个部分：JPEGImages和Annotations文件夹。JPEGImages中包含超过1000张路边垃圾的照片，共有2800多个标注框；每个图片都通过labelimg进行了人工标注，并且对应的xml文件存放在了Annotations文件夹内。该数据集的图像清晰、场景广泛且精心挑选，适用于各种环境下的垃圾检测任务。它可作为模板数据集使用，在特定应用场景中只需添加少量特定场景的数据即可满足需求。这大大减少了收集和标记图片所需的时间，可以直接用于工程化应用。

海底垃圾检测数据集

优质

该海底垃圾检测数据集旨在提高海洋环境保护意识，包含大量标注的水下图像与视频，用于训练机器学习模型识别及分类各类海底废弃物。 VOC水下垃圾检测数据集包含几千张使用lableimg软件标注的真实场景高质量图片，格式为jpg。标签分为两种：一种是VOC格式的标签文件，另一种是yolo格式的标签文件，分别保存在两个不同的文件夹中。该数据集中包含了多种类型的海洋垃圾图像，如金属、木头、塑料、橡胶和布料等类别目标。数据集场景丰富多样，适用于水下垃圾检测任务的研究与开发。

VOC垃圾分类检测数据集

优质

VOC垃圾分类检测数据集是一个专为物体检测与分类设计的数据集合，包含多种垃圾图像样本及其标注信息，旨在推动智能垃圾分类技术的发展。 VOC垃圾分类检测数据集使用lableimg标注软件进行标记，包含高质量的真实场景图片，格式为jpg。标签有两种形式：一种是VOC格式，另一种是yolo格式，分别保存在不同的文件夹中，可以直接用于YOLO垃圾分类检测任务。该数据集中包含了丰富的垃圾类别，如纸张、塑料、果皮、玻璃杯、易拉罐和厨余垃圾等常见类型。总共有15000张图片。参考博客文章可以了解更多关于此数据集的信息及相关的检测结果详情（注：原文中包含了一个链接指向具体的文章，但在重写时已去除）。

Yolov7垃圾检测模型与标注数据集

优质

本项目专注于开发并优化YOLOv7算法在垃圾检测领域的应用，并构建相应的高质量标注数据集，以提升垃圾分类效率和准确性。 YOLOv7垃圾检测模型已经训练完成，并包含PR曲线、loss曲线以及90%以上的mAP值。该模型使用了一个专门的垃圾数据集进行训练，可以识别多种类型的垃圾，包括瓶子、罐子、烟头、餐盒、易拉罐和垃圾袋等。此外，还提供了相应的标签文件格式（txt和xml），分别保存在两个不同的文件夹中。采用PyTorch框架开发，并使用Python编写代码。该模型可以在与YOLOv5共用的环境中运行，配置好环境后可以直接加载训练好的模型进行测试并获取结果。

《数据集》路面杂物识别数据集《目标检测》

优质

该数据集专注于路面杂物识别的目标检测任务，包含大量标注图像和注释信息，旨在提升自动驾驶系统对路面障碍物的感知能力。 YOLO与VOC格式的路面垃圾识别数据集适用于YOLO系列、Faster R-CNN、SSD等多种模型训练。该数据集中包含17个类别：塑料瓶、口罩、纸袋、塑料杯、纸质杯、硬纸板、果皮、罐子（金属或玻璃）、塑料包装膜、硬纸板容器、泡沫聚苯乙烯盒（Styrofoam）、四面体牛奶盒（Tetra Pack）、彩色玻璃瓶、塑料袋、抹布和落叶堆。数据集包含7537张图片，并且已经将这些图片及其对应的txt标签划分为训练集、验证集和测试集，可以直接用于YOLO算法的训练。