Advertisement

【目标检测数据集】1000张工具扳手VOC+YOLO格式图片.zip

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


简介:
本资源提供包含1000张不同工具扳手图像的数据集,标注了VOC及YOLO格式文件,适用于目标检测模型训练与测试。 数据集格式采用Pascal VOC与YOLO两种格式结合的方式(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。 图片总数为1003张,相应的标注数量也是1003个。 唯一的标注类别是“banshou”,共有2097个此类别的框标记。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 1000VOC+YOLO.zip
    优质
    本资源提供包含1000张不同工具扳手图像的数据集,标注了VOC及YOLO格式文件,适用于目标检测模型训练与测试。 数据集格式采用Pascal VOC与YOLO两种格式结合的方式(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。 图片总数为1003张,相应的标注数量也是1003个。 唯一的标注类别是“banshou”,共有2097个此类别的框标记。
  • 】11960水稻病害VOC+YOLO).zip
    优质
    本资源提供一套用于水稻病害识别的目标检测数据集,包含11960张标注清晰的图像,并以VOC和YOLO两种格式呈现,适用于深度学习模型训练。 数据集采用了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。 该数据集中共有11963张图片,每一张都有相应的标注信息: - Pascal VOC xml 文件数量:11963个 - YOLO txt 标注文件数量:11963个 这些图像被分为十二类进行标记: 标注类别数为 12 种,具体包括以下几种类型及其对应的框的数量: - BLBD: 框数 = 1030 - BLSD: 框数 = 1067 - BSD: 框数 = 1064 - DPD: 框数 = 1465 - FSD: 框数 = 2154 - Healty: 框数 = 1266 - NBD: 框数 = 1412 - NBSD: 框数 = 975 - Non-Rice: 框数 = 1298 - RBD: 框数 = 1070 - RRSD: 框数 = 972 - SBD: 框数 = 1303 总计标注框数量为:15,076个。 使用了labelImg工具进行标记,遵循对类别画矩形框的规则。
  • 】仓库托盘YOLO+VOC,含1182).zip
    优质
    本资源提供一套针对仓库托盘的目标检测数据集,包含1182张图片,并采用YOLO与VOC标准格式标注,适用于训练和测试相关模型。 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1182张 jpg 图片; - Annotations 文件夹中包含了对应的 1182 个 xml 标注文件; - labels 文件夹中有与之匹配的 1182 个 txt 标签文件。 标签种类为一种,名称是“tuopan”。该标签共有矩形框38971个。 图片清晰度良好(分辨率为像素),未经过任何图像增强处理。
  • 公路落石VOC+YOLO,含282).zip
    优质
    本资源提供一套针对公路落石的目标检测数据集,包含282张标注图片,并兼容VOC和YOLO两种主流格式。适用于深度学习研究与应用开发。 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):282 标注数量(xml文件个数):282 标注数量(txt文件个数):282 标注类别数:1 标注类别名称:[stone] 每个类别标注的框数: stone 框数 = 632 总框数:632 使用标注工具:labelImg
  • 电线杆(YOLO+VOC) 2127.zip
    优质
    本数据集包含2127张图像及其标注文件,适用于YOLO和VOC格式的目标检测任务,专注于识别与分类电线杆。 数据集格式:VOC格式+YOLO格式 压缩包内包含三个文件夹: - JPEGImages 文件夹存储图片(jpg 格式),共 2127 张。 - Annotations 文件夹存放 xml 文件,共计 2127 个。 - labels 文件夹中则有 txt 文件,数量为 2127。 标签种类:单一类别 名称:[telegraph pole] 各类别框数: telegraph pole 的标注框共有 2700 个 总标注框计数:2700 图片质量与分辨率: - 清晰度良好,像素清晰。 - 图片未经过增强处理。 标签类型: 矩形框形式用于目标检测任务。 备注说明: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,所提供的仅是准确且合理的标注信息。
  • 】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
  • 】垃圾分类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。
  • VOC中天牛1000
    优质
    本数据集包含1000张针对天牛的目标检测图像,旨在提升基于VOC标准的机器学习模型在识别和定位天牛方面的性能与精度。 目标检测VOC数据集包含1000张天牛图片的手动标注数据。