Advertisement

【目标检测数据集】驾驶中危险行为识别数据集19930张含4类标签VOC+YOLO格式.zip

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


简介:
本数据集包含19930张图像,用于检测驾驶过程中的四种危险行为。以VOC和YOLO两种格式提供,适用于目标检测模型训练与验证。 数据集格式采用Pascal VOC与YOLO两种标准格式(不含分割路径的txt文件),仅包含jpg图片、VOC格式xml标注文件及yolo格式txt文件。 总共有19,930张图像,每一张都有对应的XML和TXT标签文件。该数据集中有4个不同的标注类别:drinking (喝水)、eating (进食)、mobile use (使用手机) 和 smoking (吸烟),其中各类别的具体框数如下: - drinking: 8,319 - eating: 2,885 - mobile use: 6,542 - smoking: 2,266 总计标注数量为20,012个。 使用labelImg工具进行数据集的标记工作,遵循矩形框绘制规则来对每个类别进行标注。此外需要注意的是,在当前阶段没有提供关于该数据集的具体说明或特别要求。最后需要强调的一点是:本数据集中提供的标签信息准确且合理,并不对基于此训练出模型的效果做出任何保证。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 199304VOC+YOLO.zip
    优质
    本数据集包含19930张图像,用于检测驾驶过程中的四种危险行为。以VOC和YOLO两种格式提供,适用于目标检测模型训练与验证。 数据集格式采用Pascal VOC与YOLO两种标准格式(不含分割路径的txt文件),仅包含jpg图片、VOC格式xml标注文件及yolo格式txt文件。 总共有19,930张图像,每一张都有对应的XML和TXT标签文件。该数据集中有4个不同的标注类别:drinking (喝水)、eating (进食)、mobile use (使用手机) 和 smoking (吸烟),其中各类别的具体框数如下: - drinking: 8,319 - eating: 2,885 - mobile use: 6,542 - smoking: 2,266 总计标注数量为20,012个。 使用labelImg工具进行数据集的标记工作,遵循矩形框绘制规则来对每个类别进行标注。此外需要注意的是,在当前阶段没有提供关于该数据集的具体说明或特别要求。最后需要强调的一点是:本数据集中提供的标签信息准确且合理,并不对基于此训练出模型的效果做出任何保证。
  • DMS(六-4202图片)VOC+xml、YOLO+txt及JSON.zip
    优质
    本数据集包含4202张图像,涵盖六种危险驾驶行为,并提供VOC+xml、YOLO+txt及JSON三种格式的标注文件,适用于自动驾驶和驾驶员行为分析研究。 DMS危险驾驶行为数据集_6类(适用于课程作业、设计、比赛及实际项目)【实际项目应用】:dms驾驶员行为识别预警、疲劳驾驶检测告警等 【数据集说明】: 该DMS危险驾驶行为数据集中共有4202张图片,主要通过车内摄像头采集,背景真实且丰富多样。每种类型的数据分布均匀,标注精准,算法拟合效果良好,质量可靠。此数据集是博主在实际项目中使用的,并经过多次筛选处理。 标签格式包括voc(xml)、yolo(txt)和json三种。 行为类别有六种: - 睁眼 - 闭眼 - 打哈欠 - 闭嘴 - 打电话 - 抽烟 多种目标检测算法可以直接使用这些数据集。所有上传的数据均为博主实际项目或实验中使用的高质量样本,确保无劣质数据,请放心下载和使用。 如有问题可留言与博主联系。
  • 】飞7346图片及3YOLO+VOC).docx
    优质
    本文档提供了一个包含7346张图像的飞行物检测数据集,内含三种不同类别标签。数据以YOLO和VOC格式存储,便于目标检测模型训练与评估。 在当前的计算机视觉研究与应用领域内,目标检测技术已经发展成为一项关键任务,并且广泛应用于安全监控、自动驾驶汽车、智能交通管理和无人机监测等多个领域中。这项技术的目标是在图像或视频帧中识别并定位出一个或多个物体的位置,并给出它们的具体类别。 近年来,由于深度学习的快速发展,目标检测算法取得了显著的进步,其准确性和速度都有了大幅度提高。然而,在训练高性能模型的过程中需要大量标注数据的支持。这些数据集的质量、多样性和数量直接影响到最终模型的表现效果。 本段落档提供了一套特定应用领域的飞行物检测数据集,该数据集中包含7346张图片,并涵盖了三种类型的飞行物体:“bird”(鸟)、“drone”(无人机)和“plane”(飞机)。此数据集采用了两种主要的格式:VOC格式与YOLO格式。Pascal VOC是一种广泛应用于目标检测任务的数据标注方式,它包括了图像、注释文件以及类别信息文件;而YOLO则适合于实时对象检测系统,并要求所有的注释信息被记录在一个或多个文本段落件中。 数据集的具体结构包含三个主要的子目录:JPEGImages(所有.jpg格式图片)、Annotations(与每张图片对应的.xml格式标注)和labels(.txt格式的目标定位信息)。此外,还有一个classes.txt文档用于指定标签类别的顺序。在该数据集中,“鸟类”有26861个注释框、“无人机”类别为874个、以及“飞机”共有4559个注释框,总共32294个目标。 所有图像的分辨率均达到了清晰标准,并且经过了增强处理以提高模型泛化能力。标签形状采用矩形框的形式,这种形式广泛应用于大多数的目标检测任务中,有助于算法更有效地学习物体边界特征。 这份飞行物数据集为研究和开发高级别的目标检测系统提供了宝贵的资源支持。通过使用这个数据集,研究人员可以训练并评估面向实际应用(如飞行器避障、安全监控等)的模型性能。
  • 】垃圾分YOLO+VOC8341.zip
    优质
    本数据集包含8341张图片,采用YOLO和VOC格式标注,适用于训练和测试垃圾分类的目标检测模型。 数据集介绍:该数据集包含各种垃圾图片分类检测的标注信息,主要针对五种不同材质类型的垃圾分类,包括纸盒类、玻璃类、金属类、纸质类以及塑料类。 数据集格式:采用VOC与YOLO两种标准格式存储。 压缩包内容: - JPEGImages文件夹中包含了8341张jpg图片。 - Annotations文件夹内有对应的xml标注文件共8341份。 - labels文件夹则存放了用于目标检测的txt文件共计8341个。 标签种类:数据集中共有5种不同的材质类型,分别为Cardboard(纸盒)、Glass(玻璃)、Metal(金属)、Paper(纸质)和Plastic(塑料),每类对应的标注框数量如下: - Cardboard 框数 = 1785 - Glass 框数 = 1601 - Metal 框数 = 1770 - Paper 框数 = 1748 - Plastic 框数 = 1911 总计标注框数量为8815个。 图片质量:所有图像均具有较高的清晰度,且未经过增强处理。
  • 】跨越栏杆512VOC+YOLO.zip
    优质
    本数据集包含512张图片,旨在帮助训练和测试物体检测模型在复杂场景中准确识别并定位跨越栏杆的行为。以VOC与YOLO两种格式提供,便于多种框架使用。 数据集格式:Pascal VOC格式与YOLO格式(不含分割路径的txt文件,仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件)。 图片数量(jpg文件个数):512 标注数量(xml文件个数):512 标注数量(txt文件个数):512 标注类别数:1 标注类别名称:[climbing] 每个类别的标注框数: climbing 框数 = 599 总框数:599 使用标注工具:labelImg