Advertisement

夜间车辆识别的数据集(目标检测)

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


简介:
本数据集专为夜间复杂环境下的车辆识别设计,包含大量标注清晰的图像样本,旨在提升模型在低光照条件下的目标检测能力。 该数据集适用于YOLO系列(包括YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9及更高版本)、Faster R-CNN 和 SSD 等模型的训练,包含夜间车辆、交通灯和其他交通目标识别。类别涵盖 car(汽车)、pedestrian(行人)、traffic light(交通灯)、traffic sign(路标) 、bicycle (自行车) 、bus (公交车) 、truck (卡车)和 rider(骑车人)。数据集包括5000张图片,以及相应的txt标签文件和指定类别信息的yaml文件。此外还有xml格式的标签文件提供。所有图像已按训练集、验证集及测试集划分好,可以直接用于模型训练。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 优质
    本数据集专为夜间复杂环境下的车辆识别设计,包含大量标注清晰的图像样本,旨在提升模型在低光照条件下的目标检测能力。 该数据集适用于YOLO系列(包括YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9及更高版本)、Faster R-CNN 和 SSD 等模型的训练,包含夜间车辆、交通灯和其他交通目标识别。类别涵盖 car(汽车)、pedestrian(行人)、traffic light(交通灯)、traffic sign(路标) 、bicycle (自行车) 、bus (公交车) 、truck (卡车)和 rider(骑车人)。数据集包括5000张图片,以及相应的txt标签文件和指定类别信息的yaml文件。此外还有xml格式的标签文件提供。所有图像已按训练集、验证集及测试集划分好,可以直接用于模型训练。
  • 优质
    本数据集包含大量经过严格标注的夜间车辆图像,旨在为自动驾驶及智能交通系统中的夜间场景识别与目标检测研究提供支持。 夜间车辆监测数据集已包含标注好的xml标签文件,分为训练集和测试集,总共有大约10000张图片。
  • Yolov5方案+权重++PyQt界面
    优质
    本项目提供了一种基于Yolov5的夜间车辆检测解决方案,包含预训练模型权重及标注数据集,并集成PyQt用户界面。 该项目使用YOLOv5进行夜间场景下的车辆检测。训练权重基于几千张包含道路车辆的数据集,在输入尺寸为640x640的情况下获得,模型的mAP值达到90%以上。此外,项目代码包括一个pyqt界面,支持图片、视频以及调用摄像头进行实时目标检测,并提供相应的选择项。 数据集中包含了行人和汽车两类物体,标签文件分别以txt和xml格式保存在两个不同的文件夹中。整个系统基于PyTorch框架编写,使用Python语言实现。
  • 牌照
    优质
    本数据集包含大量实际道路上行驶车辆的图像和视频片段,旨在提供一个全面、高质量的数据资源库,用于研究及开发车牌自动检测与识别技术。 车牌检测与识别数据集包括训练车牌检测模型的数据:图块大小为136*36的车牌图像及非车牌图像;以及用于字符识别模型训练的数据:20*20像素的单个字符图片,这些字符涵盖数字(0~9)、字母(A~Z)和各省市区简称(如京、津、晋等)。
  • 基于YOLOv7技术-YOLOv7.zip
    优质
    本资源提供基于YOLOv7算法的先进车辆检测与目标识别技术,旨在优化智能交通系统和自动驾驶应用。下载包含详尽代码及模型文件的YOLOv7车辆检测工具包,助力您的研究与开发工作。 基于YOLOv7的车辆检测技术进行目标检测的研究与应用。
  • 自建(1.0)
    优质
    本数据集为自建车辆目标检测专用,包含多种场景下的高清图像及精确标注框与类别信息,适用于训练和测试相关算法模型。版本1.0。 个人自制的目标检测样本集(xml格式)用于完成毕业设计。图像数据来源为江苏路网采集的视频,时间范围从2022年10月27日至2023年4月7日。标注采用labelimg工具,共包含1044个样本,其中两千多个是car标签,少部分为bike标签。 免费转载使用时,请注明出处bitzh_tyw。
  • carplate.rar__python_python_颜色_边缘
    优质
    该资源包含一个用于车牌识别和车辆颜色识别的数据集,适用于Python编程环境。包括车牌图像及边缘检测应用,便于开发车辆识别系统。 首先对现有的车牌识别系统及其技术进行深入研究,并开发一个基于 Python 的车牌识别系统。文章先对车辆图像进行高斯去噪、灰度化及边缘检测等一系列预处理步骤,随后结合颜色特征与形态学特征确定车牌位置,采用彩色分割法完成车牌的精确分割。最后使用 SVM 分类器训练字符识别模型,并在 Python 软件环境中开展仿真实验以验证系统的性能。
  • 》停场空位
    优质
    本数据集专注于停车场空位识别,包含大量车辆停放及空置区域标注图像,旨在推动智能交通系统中目标检测技术的发展与应用。 该数据集包含YOLO与VOC格式的停车场空位识别内容,适用于多种模型训练如YOLO系列、Faster R-CNN 和 SSD 等。它包括两个类别:space-empty(停车位为空)和 space-occupied(停车位被占用)。文件中包含了图片、txt 标签以及指定类别的yaml 文件,并且还包括了xml标签。数据集已经将图片和txt标签划分为训练集、验证集和测试集,可以直接用于YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9 和 YOLOv10等算法的训练。 由于资源超过1G,已上传至百度网盘,并提供了永久有效的链接。
  • MATLAB跟踪与
    优质
    本项目聚焦于利用MATLAB进行车辆目标的智能跟踪、识别及检测技术研究,结合先进算法提升系统性能和准确度。 在MATLAB环境中进行运动目标检测,以汽车为例,可以实现对道路上行驶的汽车数量、车流量以及车辆速度等方面的分析与计算。此外,还可以识别不同车道上的车辆情况。
  • 香港图像
    优质
    本数据集收录了香港夜间各种环境下的车辆图像,旨在为低光照条件下的计算机视觉研究提供支持。 香港夜间多种类型车辆图像数据集:包括小汽车、出租车、巴士、小巴等,可用于夜间车辆检测识别研究。