Advertisement

YOLO室内场景识别数据集(一)含5950张图片及26个类别的rar文件

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


简介:
本资源包含YOLO室内场景识别数据集的第一部分,内有5950张图像和涵盖26个不同类别的详细标注信息。 室内场景分类图片数据集1包含5000张图片,分为26个类别。更多详情可参考相关文章。其他数据集也可通过相同途径获取下载链接。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • YOLO595026rar
    优质
    本资源包含YOLO室内场景识别数据集的第一部分,内有5950张图像和涵盖26个不同类别的详细标注信息。 室内场景分类图片数据集1包含5000张图片,分为26个类别。更多详情可参考相关文章。其他数据集也可通过相同途径获取下载链接。
  • YOLO(二)470016rar
    优质
    本资源提供YOLO室内场景识别数据集第二部分,包含4700张图像和16个类别标签,适用于目标检测与分类研究。 室内场景分类图片数据集2包含5000张图片,分为17个类别。更多详情可参考相关博客文章。数据集可在平台上下载获取。
  • 昆虫(VOC+YOLO格式),1873,7.7z
    优质
    本数据集包含1873张图像和七个不同的昆虫类别,采用VOC与YOLO兼容格式,适用于昆虫识别任务的模型训练和验证。 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):1873 标注数量(xml 文件个数):1873 标注数量(txt 文件个数):1873 标注类别数目:7 标注类别名称:Boerner, Leconte, Linnaeus, acuminatus, armandi, coleoptera, 和linnaeus 每个类别的标注框数: - Boerner 框数 = 1859 - Leconte 框数 = 2711 - Linnaeus 框数 = 1046 - acuminatus 框数 = 1130 - armandi 框数 = 1932 - coleoptera 框数 = 2163 - linnaeus 框数 = 907 总框数:11748 使用标注工具:labelImg 标注规则:对类别进行画矩形框。 重要说明: 暂无特别声明。
  • 岩石(VOC+YOLO格式),4766,9.7z
    优质
    本数据集包含4766张用于岩石类型识别的图像,涵盖九种类别。采用VOC和YOLO兼容格式,便于训练高效的目标检测模型。压缩文件为7z格式。 数据集格式为Pascal VOC格式与YOLO格式(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:4766张 标注数量: - xml文件个数:4766份 - txt文件个数:4766份 标注类别总数为9种,具体名称如下: 1. Igneous_Basalt 2. Igneous_Diorite 3. Igneous_Granite 4. Metamorphic_Marble 5. Metamorphic_Quartize 6. Sedimentary_Chalk 7. Sedimentary_Limestone 8. Sedimentary_Sandstone 9. Sedimentary_coal
  • 积水检测(VOC+YOLO格式),包761,1.7z
    优质
    本数据集提供761张室内图像用于积水检测,采用VOC和YOLO双格式存储,专注于单一目标类别——积水区域的识别与标注。压缩包为7z文件格式。 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):761 标注数量(xml文件个数):761 标注数量(txt文件个数):761 标注类别数:1 标注类别名称:[jishui] 每个类别标注的框数: jishui 框数 = 902 总框数:902 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:暂无 特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,仅提供准确且合理的标注。
  • 脸部痤疮(VOC+YOLO格式,3763,7).zip
    优质
    本资料包含一个用于脸部痤疮识别的数据集,共计3763张图像,并支持VOC和YOLO两种格式。该数据集涵盖七种类别,旨在为痤疮检测研究提供有力的支持。 文件大小较大,请务必先查看资源详情再进行下载。 重要提示:数据集用于小目标检测任务,在训练过程中mAP精度偏低属于正常现象,只要模型能够检出目标即可。如果mAP低于0.5请不要感到意外,因为小目标检测是业界公认的难题之一。 数据格式: - Pascal VOC 格式 - YOLO 格式(不含分割路径的txt文件) 图片数量:3763张 标注数量:3763个(xml和txt各占一半) 类别数:7类 具体类别名称如下: 1. blackheads 2. cyst 3. fore 4. nodule 5. papule 6. pustule 7. whiteheads
  • 打架75,855,8).7z
    优质
    本数据集包含75,855张图像,涵盖八种不同类型的肢体冲突场景,旨在用于训练和测试机器学习模型以准确地识别打架行为。 数据集类型:图像分类用,不可用于目标检测且无标注文件。 数据集格式:包含75855张jpg图片,每个类别单独存储在一个文件夹中。 分类类别数:8个 类别名称及每类图片数量: - hit: 4133 张 - kick: 5950 张 - punch: 8921 张 - push: 10335 张 - ride_horse: 16971 张 - shoot_gun: 9832 张 - stand: 11259 张 - wave: 8454 张 重要说明:暂无。 特别声明:本数据集不对训练的模型或权重文件精度作任何保证,仅提供准确且合理分类存放。
  • 健身动作(VOC+YOLO格式),2827和6.zip
    优质
    本数据集包含2827张图像及对应标注信息,涵盖六个健身动作分类,采用VOC与YOLO兼容格式,适用于目标检测模型训练。 样本图:(此处省略了具体的链接地址) 文件存放于服务器上,请务必在电脑端资源详情页面查看并下载。 数据集格式为Pascal VOC与YOLO格式(不含分割路径的txt文件,仅包含jpg图片及对应的VOC xml文件和yolo txt文件)。 图片总数:2827张 标注数量(xml):2827个 标注数量(txt):2827个 数据集包括6种类别: - push-down - push-up - sit-down - sit-up - squat-down - squat-up 各类别的框数如下: push-down 框数 = 522 push-up 框数 = 501 sit-down 框数 = 598 sit-up 框数 = 546 squat-down 框数 = 255 squat-up 框数 = 458 总框数量:2880个
  • YOLO蔬菜21000详细说明.rar
    优质
    本资源包含YOLO蔬菜识别数据集,内有21,000张高质量图片及其标注信息,适用于深度学习模型训练与测试。 1. 2万张蔬菜分类图片数据集.rar 2. 包含大白菜、小白菜、胡萝卜、番茄等共15种蔬菜的图像 3. 数据集详情展示及更多数据集下载信息可参考相关文章描述
  • 麻将VOC+YOLO格式2181434.zip
    优质
    该数据集包含21,814张图像和34个类别标签,适用于麻将游戏元素的物体检测。采用VOC和YOLO两种标注格式,便于研究者使用深度学习模型进行训练和测试。 样本图请在服务器上下载(注意:务必到电脑端资源详情查看后下载)。 数据集格式为Pascal VOC格式与YOLO格式(不包含分割路径的txt文件,仅包括jpg图片、对应的VOC格式xml文件及yolo格式txt文件)。 图片数量(jpg文件个数):21814 标注数量(xml文件个数):21814 标注数量(txt文件个数):21814 标注类别总数为34,具体名称如下: - bamboo_1, bamboo_2, bamboo_3, bamboo_4, bamboo_5, bamboo_6, bamboo_7, bamboo_8, bamboo_9, - character_1, character_2, character_3, character_4, character_5, character_6, character_7, character_8, character_9, - circle_1, circle_2, circle_3