Advertisement

Yolo算法用车辆数据集-含2129张标注图片-涵盖卡车、小汽车和摩托车及公交车.zip

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


简介:
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • Yolo-2129-.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。
  • 深度学习目检测——、行人、自行
    优质
    本项目专注于深度学习在目标检测领域的应用,特别针对包含多种交通参与者(如小汽车、行人、自行车等)的复杂城市道路场景。通过训练模型识别和分类不同类型的交通工具,旨在提升自动驾驶系统的感知能力与安全性。数据集全面覆盖了从小型摩托车到大型公交车的各种车辆类型,为研究者提供了丰富的测试资源。 数据集包含不同类别的车辆和行人图像:自行车291张、小汽车1797张、人1281张、卡车494张、公交车425张以及摩托车328张。所有图片均从网络上爬取,并由人工进行标注,支持VOC、COCO及YOLO三种格式的数据标注样式。如果涉及侵权,请联系作者删除相关数据。
  • 【目检测】包7类型的1880分类(VOC+YOLO格式,、救护、消防、警、警、轿大型货).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。
  • 1400的专业、家轿、消防工程等,并已完成人工
    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。
  • 与电动检测VOCYOLO格式
    优质
    本数据集包含丰富的摩托车和电动车辆图像样本,提供VOC和YOLO两种标注格式,适用于目标检测模型训练和验证。 包含5000多条数据的摩托车电动车数据集,采用YOLO格式,可直接用于训练。
  • YOLOv5检测模型+预训练权重+
    优质
    本项目提供了一个基于YOLOv5的深度学习模型,专门用于检测摩托车、汽车及公交车。包含预训练权重与相关数据集,便于快速部署和二次开发。 使用YOLOv5进行摩托车与汽车检测的项目包括训练好的摩托车检测模型权重、PR曲线、loss曲线等内容,并且在特定数据集上达到了90%以上的mAP值。该数据集中包含car(汽车)、bus(公交车)和motorbike(摩托车)这三类目标,标签格式为txt和xml两种文件类型,分别保存于不同的文件夹中。 该项目采用PyTorch框架编写并使用Python代码实现。
  • 与电动头盔识别(965),包VOCYOLOVOC转JSON脚本.zip
    优质
    该数据集包含965张摩托车与电动车头盔图像,提供VOC和YOLO格式标注,并附带VOC转换为JSON的脚本,适用于目标检测研究。 电动车摩托车头盔检测数据集适用于课程作业、设计项目、比赛以及实际项目的演示(demo)。该数据集主要用于实现电动车骑行者佩戴头盔的自动检测与抓拍功能。 【数据集详情】: 本数据集中包含965张图片,标签分为两类:[helmet] 表示头盔;[head] 表示人头。这些图片多数是在街边拍摄获得,背景多样且分布均匀。同时提供voc(xml)和yolo(txt)两种格式的标注文件,并附带将voc格式转换为json格式标签的Python脚本,方便多种目标检测算法直接使用。 所有图像均为人工精准标注,因此数据质量可靠,能够较好地适应各类算法需求。
  • YOLO - 3460人物、、猫狗,部分人体遮挡)- rcas.zip
    优质
    本数据集包含3460张图像,针对YOLO算法优化,内有人物、汽车及猫狗等物体的标记信息,并涵盖部分遮挡情形,适用于目标检测研究。 Yolo系列算法的目标检测数据集包含了标签文件,并且可以直接用于训练模型以及验证测试。该数据集已经按照不同需求划分好,适用于多种版本的YOLO算法(如yolov5、yolov8、yolov9、yolov7、yolov10和yolo11)。标签格式为: , 也可以转换成VOC格式。其中,表示目标的类别索引(从0开始);而 则是相对于图像宽度和高度比例的目标框中心点坐标,范围在0到1之间。 表示的是同样以图像尺寸为基准的比例值。
  • 机动、自行巴士的XML压缩包
    优质
    本数据集包含各类交通工具图像及其XML格式标注文件,涉及机动车、自行车、摩托车和巴士,适用于计算机视觉研究与应用。 该数据集包含超过3000张图片,主要来源于自行拍摄及整理的VOC2012标准格式的数据。这些图像涵盖了国内外各种机动车、自行车、摩托车和巴士,并且包括了晴天、阴天、雨天以及低能见度天气等多种复杂场景。所有图片均已标注完成。 该数据集非常适合用于深度学习模型训练,特别是适用于YOLOv5算法的训练任务,在嵌入式比赛中也有很好的应用前景。使用预训练模型YOLOv5s.pt进行300轮迭代后可以达到较好的检测效果。 分类包括:bus(巴士)、car(机动车)、motorbike(摩托车)和bicycle(自行车)。