Advertisement

工程车检测数据集,含10,111张原始图片,兼容YOLOV9格式标注,涵盖水泥卡车、空载及载物自卸卡车和挖掘机等多种车型识别

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


简介:
本工程车检测数据集包含10,111张原始图像,适用于YOLOV9模型训练与验证。内容覆盖多种车型如水泥卡车、空载及装载状态的自卸卡车以及挖掘机等,助力精准车辆识别技术开发。 工程车检测数据集包含10111张原始图片,并支持YOLO、COCO JSON及PASCAL VOC XML等多种格式的标注。该数据集中可识别的对象包括水泥卡车、空载自卸卡车、载物自卸卡车、挖掘机和装载机等,提供了详细的标注信息与对应图像。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 10,111YOLOV9
    优质
    本工程车检测数据集包含10,111张原始图像,适用于YOLOV9模型训练与验证。内容覆盖多种车型如水泥卡车、空载及装载状态的自卸卡车以及挖掘机等,助力精准车辆识别技术开发。 工程车检测数据集包含10111张原始图片,并支持YOLO、COCO JSON及PASCAL VOC XML等多种格式的标注。该数据集中可识别的对象包括水泥卡车、空载自卸卡车、载物自卸卡车、挖掘机和装载机等,提供了详细的标注信息与对应图像。
  • 10,111YOLOV5对象
    优质
    本工程车检测数据集包含10,111张原始图片,适用于YOLOV5模型训练与评估。内容覆盖多种工程车辆类型如水泥卡车、自卸卡车(空载/载物)及挖掘机等,助力精准图像识别技术开发。 工程车检测数据集包含10,111张原始图片,并支持YOLO、COCO JSON及PASCAL VOC XML等多种格式的标注。该数据集能够识别水泥卡车、空载自卸卡車、載物自卸卡车、挖掘机和装载机等对象,具备详细的标注信息。
  • ,精准推土、压路、平路、装、搅拌移动吊(起重常见,本...
    优质
    该数据集专为工程车辆检测设计,涵盖多种重型机械如推土机、挖掘机和自卸卡车的精准识别模型训练与测试,助力智能工地建设。 我们的工程车辆检测系统具有极高的识别率,能够准确地识别推土机、自卸卡车、挖掘机、压路机、平路机、装载机、搅拌车以及移动吊车等常见类型。该系统包含18282张图片,并配有YOLO, COCO和VOC标签。关于标签标注信息及各类车辆的展示详情,请参阅相关博文。
  • Yolo算法用-2129-、小汽摩托公交.zip
    优质
    本资源提供了一个包含2129张注释图像的数据集,专为YOLO算法训练设计。该数据集涵盖了多种常见车辆类型,包括卡车、小汽车、摩托车及公交车,有助于提高模型在复杂交通环境下的识别精度和速度。 Yolo系列算法的目标检测数据集包含标签文件,可以直接用于训练模型及验证测试。该数据集已经划分好,并附有data.yaml配置文件,适用于yolov5、yolov8、yolov9、yolov7、yolov10和yolo11等算法。 此数据集中有两种格式的标签:Yolo格式(txt文件)与VOC格式(xml文件),分别存储在不同的文件夹中。Yolo格式的具体内容为: ,其中: - `` 表示目标类别的索引值,从0开始计数。 - `` 和 `` 分别是目标框中心点的X和Y坐标,这些坐标是以图像宽度和高度为基准的比例值,在0到1之间变化。 - `` 和 `` 表示目标框的实际宽度与高度,同样以比例形式给出。
  • 辆目(VOC):重系列14 - 782
    优质
    本数据集包含782张重型卡车图像,采用VOC格式标注,适用于训练和评估工程车辆的目标检测模型。 数据集格式为Pascal VOC(不含分割路径的txt文件、yolo格式的txt文件,仅包含jpg图片及对应的xml)。 图片数量:782张 标注数量:782个 标注类别数:1类 标注类别名称:zhongxingkache 每个类别中的框的数量:zhongxingkache共有1030个 使用工具为labelImg,对各个分类进行矩形标记。无特别说明需要遵守的规则或注意事项。请注意,本数据集不对训练模型或者权重文件精度作任何保证,仅提供准确合理的标注信息。
  • 约9000、压路起重,均已并以txt文件形提供,适用于目任务
    优质
    本数据集收录了超过8900张各类工程车图像,包括卡车、压路机及起重机等,每张图片均附有详细的标签信息,旨在促进目标检测算法的研究与开发。 主要用于目标检测的训练。
  • 已完成、推土渣土,每类约700,COCO
    优质
    本数据集包含已标注的工程车辆图像,涵盖挖掘机、推土机及渣土车三大类,每种类别约有700张图片,统一采用COCO格式存储。 工程车辆数据集(包括挖掘机、推土机、渣土车)已标注完成,每类约有700张图片。该数据集适用于COCO格式的深度学习目标检测任务。如有需要其他格式的数据,请通过平台私信联系我。
  • CCPD与CRPD,色、角度
    优质
    本研究介绍了车牌识别数据集CCPD和CRPD,包含了多种颜色及视角下的车牌图像,为自动驾驶和交通监控等领域提供关键资源。 车牌识别技术是计算机视觉领域中的一个重要分支,在交通监控、智能停车场系统及无人驾驶等领域有着广泛的应用。本段落探讨的是车牌识别数据集CCPD+CRPD训练数据集多种不同颜色角度等车牌,这是一个专门用于训练车牌识别算法的数据资源。 CCPD(Chinese City Parking Dataset)和CRPD(Chinese Rural Parking Dataset)是两个被广泛应用的中国车牌识别数据集,分别涵盖了城市与农村环境中的大量真实场景拍摄图片。这些数据集中包含各种复杂的实际条件下的图像,如不同的光照、拍摄角度以及背景干扰等,旨在帮助算法在现实应用中具备更好的鲁棒性和准确性。 该训练资源的特点在于它包含了五种不同颜色的车牌:黑色、蓝色、绿色、白色和黄色。在中国,每一种车牌的颜色通常代表特定类型的车辆或用途。例如,蓝色车牌通常是私家车;绿色则意味着新能源汽车;黄色主要用于大型或重型车辆;而黑色车牌一般与外交车辆或者外资企业相关联。因此,在训练模型时识别这些颜色的车牌对于实现全面的车牌识别系统至关重要。 该数据集中的子文件名为train,表明此压缩包中包含的是训练用的数据集合,其中每个车牌图像都与其对应的标签(即车牌号码)关联起来。这种标记信息是监督学习的基础,使机器能够通过学习这些样本来理解并区分不同类型的车牌特征。 在实际的模型训练过程中,算法需要从各种角度、光照条件和颜色变化中提取关键特征,并且可以利用边缘检测、色彩直方图分析以及形状识别等图像处理技术。此外,深度学习方法如卷积神经网络(CNN)能够自动地学习这些复杂特征,在多层抽象的基础上逐步提高识别精度。 为了进一步提升模型性能,通常会采用数据增强策略来模拟更广泛的拍摄条件,并通过合理的损失函数和优化器选择确保训练过程的有效性。这有助于构建一个在各种环境下都能准确识别人类车牌颜色及角度变化的系统,对于推动智能交通技术的发展具有重要意义。
  • 1400的专业公交、家用轿、消防,并已完成人
    优质
    这是一个专业级别的车辆图像数据集,内含1400张多样化的车辆照片,包括公交车、家用轿车、消防车和工程车等,每一张图片都已进行了精细的人工标注。 我们有一个包含1400张车辆图片的数据集,涵盖了公交车、家用车、消防车和工程车等多种车型,并且所有数据都已经通过专业手工标注完成。每个图像都有对应的.xml文件,这些资源非常适合用于训练YOLOv3、YOLOv4或YOLOv5框架的车辆检测模型,能够达到超过98%以上的识别准确度。
  • 【目】包7类的1880辆分类(VOC+YOLO摩托、救护、消防、警、警用摩托、轿).zip
    优质
    本数据集提供1880张图像,覆盖七种类别车辆(含轿车、货车及特种车辆),适用于目标检测任务。以VOC和YOLO格式呈现,便于模型训练与验证。 数据集采用Pascal VOC格式与YOLO格式进行标注(不含分割路径的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。 图片总数:1883张 标注数量: - xml文件数:1883个 - txt文件数:1883个 标注类别共有7种,分别为“摩托车”、“救护车”、“大车”、“轿车”、“消防车”、“警车”和“警用摩托车”。 各类别框的数量如下: - 摩托车:877个 - 救护车:304个 - 大车:355个 - 轿车:303个 - 消防车:325个 - 警车:300个 - 警用摩托车:293个 总框数为2757。 标注工具使用的是labelImg。