Advertisement

刀棒识别数据集1200张图片包含VOC、YOLO和JSON标签

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

简介：
本数据集包含1200张图片，专注于刀棒类物品的识别，提供VOC、YOLO格式及JSON标签文件，适用于物体检测模型训练与评估。 实际项目应用包括社区安防、学校安防以及危险器具检测等领域。 数据集详情如下：刀具棍棒检测数据集中共有1200张图片，标签分为两类——[刀具] 和 [棍棒]（即[dao, bang]）。这些图像包含多种背景，并且各类别分布均匀。该数据集同时提供了voc格式的xml文件和yolo格式的txt文件作为标注信息，适合于多种目标检测算法的应用。 所有图片均为纯手工精确标注，确保了高质量的数据输入以及良好的模型拟合效果。如果需要json格式标签或在使用过程中遇到任何问题，请留言说明需求。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 刀棒识别数据集1200张图片包含VOC、YOLO和JSON标签
    优质
    本数据集包含1200张图片，专注于刀棒类物品的识别，提供VOC、YOLO格式及JSON标签文件，适用于物体检测模型训练与评估。 实际项目应用包括社区安防、学校安防以及危险器具检测等领域。 数据集详情如下：刀具棍棒检测数据集中共有1200张图片，标签分为两类——[刀具] 和 [棍棒]（即[dao, bang]）。这些图像包含多种背景，并且各类别分布均匀。该数据集同时提供了voc格式的xml文件和yolo格式的txt文件作为标注信息，适合于多种目标检测算法的应用。 所有图片均为纯手工精确标注，确保了高质量的数据输入以及良好的模型拟合效果。如果需要json格式标签或在使用过程中遇到任何问题，请留言说明需求。
     
  • 摩托车与电动车头盔识别数据集（965张图片），包含VOC和YOLO标签及VOC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。
     
  • Yolov5-Yolov7人头检测数据集（4003张图片，包含VOC、YOLO和JSON三种格式标签）.zip
    优质
    本资源提供Yolov5至Yolov7的人头检测训练数据集，含4003张图像及其对应VOC、YOLO及JSON格式标注文件。 人头检测数据集适用于课程作业、设计项目及比赛等多种场景。 【实际应用】：该数据集可用于教室到课率统计以及人数计数等功能。 【数据集详情】：此集合包含4003张图片，共计9万多个目标，背景较为丰富。其中部分图像为教室监控抓拍的照片，非常适合用于教室人数的统计工作。整体上，目标大小分布均匀，并提供了voc（xml）、yolo（txt）和json三种格式的数据标注文件，类别名称统一为[head]，适合多种算法直接使用。所有数据均进行了精准标注。 该数据集能够满足不同应用场景的需求，在人头检测领域具有较高的实用价值。
     
  • 香蕉、葡萄和苹果的水果识别数据集（2380张图片，包含VOC、YOLO及JSON标注）.zip
    优质
    本数据集包括2380张香蕉、葡萄和苹果的图像，并提供VOC、YOLO格式以及JSON文件标注，适用于物体检测与分类任务。 该数据集包含2380张水果图片（香蕉、葡萄、苹果），并附带VOC (xml)、YOLO (txt) 和 JSON 三种格式的标签文件，适用于比赛项目使用。所有图像均为博主亲自拍摄制作而成，数据分布均匀且标注精准，适合多种目标检测算法直接应用。请注意，上传的所有数据均经过实际项目或实验验证，确保高质量无劣质内容，请放心下载并使用，有问题可随时留言咨询。
     
  • 西红柿成熟度识别数据集（1952张图片）- 包含VOC、YOLO和JSON格式标注文件.zip
    优质
    本数据集包含1952张西红柿图像及其成熟度信息，提供VOC、YOLO及JSON三种格式的标注文件，便于机器学习模型训练与测试。 西红柿识别检测数据集适用于课程作业、设计项目及比赛需求，在实际应用方面可用于智慧农业中的西红柿成熟度识别系统以及蔬菜成熟度判断等领域。 该数据集中包含1952张图片，背景丰富且具有多样性，目标分布均匀，并附有精准的标注信息。算法拟合效果良好，质量可靠。此数据集提供了三种标签格式：VOC（xml）、YOLO（txt）和JSON。类别名称包括“ripe”(成熟) 和 “immature” (未成熟)，是博主在西红柿机器臂采摘项目中的使用资料。多种目标检测算法可以直接应用于此数据集中。
     
  • 智能社区煤气罐检测数据集（1071张图片）包含VOC、YOLO和JSON标签格式.zip
    优质
    本数据集提供1071张图片及对应VOC、YOLO和JSON格式标签，用于训练智能社区中煤气罐检测模型。含丰富场景标注信息，助力提升安全监测效率与准确性。 煤气罐检测数据集适用于课程作业、设计项目及比赛，并在实际应用如智慧社区与智能安防领域具有重要价值，特别是在煤气罐识别与告警系统中发挥作用。 该数据集中包含1071张图片，背景多样且复杂，目标大小不一并涵盖各种角度。标签以VOC（xml）、YOLO（txt）和JSON三种格式提供，确保多种目标检测算法可以直接应用。所有标注均为手工完成，保证了高精度的目标框定位以及良好的模型拟合效果。 整体而言，数据集的质量可靠且具备较高的多样性与实用性。
     
  • 电单车电梯内数据集(3216张图片)-包含VOC、YOLO和JSON格式标注.zip
    优质
    本资料包提供了一个涵盖3216张图片的数据集，专注于记录电单车在电梯内的场景。文件包括详细的VOC、YOLO及JSON格式的标注信息，便于训练机器学习模型识别与分类电单车图像。 电单车入梯检测数据集（适用于课程作业、设计项目及比赛）【实际应用】：该数据集可用于开发电单车入梯控梯系统、电单车入梯检测告警系统以及电动车进电梯抓拍告警系统等。 【数据集详情】： - 总数：3216张图片。 - 类别：包含“电单车”和“电梯内人形”两类，手工标注精准且目标分布均匀。 - 背景多样性：背景多样化，适合科研实验及实际项目使用。 - 格式齐全：数据集标签支持voc（xml）、yolo（txt）以及json三种格式。 多种目标检测算法可以直接应用该数据集进行训练和测试。所有上传的数据均为博主在真实项目或实验中使用的高质量图像，确保了其可靠性和实用性。如有问题，请随时留言咨询。
     
  • 麻将识别数据集VOC+YOLO格式含21814张图片34类.zip
    优质
    该数据集包含21,814张图像和34个类别标签，适用于麻将游戏元素的物体检测。采用VOC和YOLO两种标注格式，便于研究者使用深度学习模型进行训练和测试。 样本图请在服务器上下载（注意：务必到电脑端资源详情查看后下载）。 数据集格式为Pascal VOC格式与YOLO格式（不包含分割路径的txt文件，仅包括jpg图片、对应的VOC格式xml文件及yolo格式txt文件）。 图片数量（jpg文件个数）：21814 标注数量（xml文件个数）：21814 标注数量（txt文件个数）：21814 标注类别总数为34，具体名称如下： - bamboo_1, bamboo_2, bamboo_3, bamboo_4, bamboo_5, bamboo_6, bamboo_7, bamboo_8, bamboo_9, - character_1, character_2, character_3, character_4, character_5, character_6, character_7, character_8, character_9, - circle_1, circle_2, circle_3
     
  • 昆虫识别数据集（VOC+YOLO格式），含1873张图片，7个类别.7z
    优质
    本数据集包含1873张图像和七个不同的昆虫类别，采用VOC与YOLO兼容格式，适用于昆虫识别任务的模型训练和验证。 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）：1873 标注数量（xml 文件个数）：1873 标注数量（txt 文件个数）：1873 标注类别数目：7 标注类别名称：Boerner, Leconte, Linnaeus, acuminatus, armandi, coleoptera, 和linnaeus 每个类别的标注框数： - Boerner 框数 = 1859 - Leconte 框数 = 2711 - Linnaeus 框数 = 1046 - acuminatus 框数 = 1130 - armandi 框数 = 1932 - coleoptera 框数 = 2163 - linnaeus 框数 = 907 总框数：11748 使用标注工具：labelImg 标注规则：对类别进行画矩形框。 重要说明： 暂无特别声明。
     
  • YOLO交通标志识别数据集（包含1000张图像）及VOC、COCO与YOLO格式标签、划分脚本和训练指南.rar
    优质
    该资源包提供了一个包含1000张图像的YOLO交通标志识别数据集，内含适用于VOC、COCO及YOLO格式的标注文件，以及数据划分工具和详尽的训练指导文档。 YOLO交通标志识别数据集包含真实场景中的高质量图片，覆盖多种不同的使用场景。这些图像通过lableimg标注软件进行精确标记，并提供voc(xml)、coco(json)以及yolo(txt)三种格式的标签文件，分别存储在各自的文件夹中，便于直接应用于各种YOLO系列的目标检测任务。 此外还提供了关于如何搭建YOLO环境及训练案例的教程和数据集划分脚本。用户可以根据自己的需求灵活地对数据进行拆分，以适应不同的应用场景如训练、验证或测试等阶段的需求。