道路信息图像目标检测数据集（从导盲犬视角，适用于YOLOV5）(4类别)

5星

浏览量: 0

大小:None

文件类型：ZIP

简介：
本数据集专为YOLOV5设计，包含从导盲犬视角收集的道路信息图像，涵盖四大类目标，旨在提升模型在复杂环境下的目标检测能力。项目包含一个导盲犬视角下的道路信息图像目标检测数据集（4类别），该数据集按照YOLOV5文件夹结构保存，可以直接用于训练目标检测模型。图像分辨率为640*480的RGB图片，包含了导盲犬视角下的目标信息，可用作开发盲人自动寻路系统的数据集。分类包括：人行道、红绿灯和盲道等四类。【数据集介绍】 - 数据总大小为328MB。 - 训练集（datasets-images-train）包含621张图片及相应的标签txt文件，共计621个。 - 验证集（datasets-images-val）包括155张图片和对应的标签txt文件，总计155个。此外，还提供了一个检测类别的字典文件。为了便于查看数据情况，项目中包含一个可视化py脚本，用户可以随机输入一张图片来绘制边界框，并将结果保存在当前目录下。该脚本无需修改即可直接运行。

全部评论 (0)

还没有任何评论哟~

客服

道路信息图像目标检测数据集（从导盲犬视角，适用于YOLOV5）(4类别)

优质

本数据集专为YOLOV5设计，包含从导盲犬视角收集的道路信息图像，涵盖四大类目标，旨在提升模型在复杂环境下的目标检测能力。项目包含一个导盲犬视角下的道路信息图像目标检测数据集（4类别），该数据集按照YOLOV5文件夹结构保存，可以直接用于训练目标检测模型。图像分辨率为640*480的RGB图片，包含了导盲犬视角下的目标信息，可用作开发盲人自动寻路系统的数据集。分类包括：人行道、红绿灯和盲道等四类。【数据集介绍】 - 数据总大小为328MB。 - 训练集（datasets-images-train）包含621张图片及相应的标签txt文件，共计621个。 - 验证集（datasets-images-val）包括155张图片和对应的标签txt文件，总计155个。此外，还提供了一个检测类别的字典文件。为了便于查看数据情况，项目中包含一个可视化py脚本，用户可以随机输入一张图片来绘制边界框，并将结果保存在当前目录下。该脚本无需修改即可直接运行。

路面缺陷检测数据集(适用于YOLOV5，含4类别)

优质

本数据集专为YOLOV5设计，包含四种类别的路面缺陷图像，旨在提升模型在复杂路况下的识别精度与效率。项目包括：路面缺陷检测数据（4类别），按照YOLOV5文件夹结构保存的数据集可以直接用于目标检测任务，无需额外处理。图像分辨率为600*600的RGB图片，主要用于道路上的缺陷检测【数据集介绍】包含四种类别的路面缺陷图像：纵向裂纹、横向裂纹、坑洞和不规则裂缝【数据总大小】74 MB 数据分为训练集和验证集两部分： - 训练集（datasets-images-train）包括841张图片及对应的841个标签txt文件。 - 验证集（datasets-images-val）包含231张图片及其相应的231个标签txt文件。为了方便查看数据，提供了一个可视化py脚本。只需随机传入一张图片即可绘制边界框，并保存在当前目录中。该脚本无需修改，可以直接运行。

目标检测数据集（YOLOV5目录格式）：适用于智能小车赛道自动驾驶及交通指示牌的八类目标检测数据集

优质

本数据集专为智能小赛车道设计，包含八种类别的目标检测样本，旨在提升自动驾驶与交通标志识别精度，兼容YOLOv5模型训练需求。项目包括智能小车赛道自动驾驶及交通指示牌目标检测数据集（8类别），该数据集按照YOLOV5文件夹结构保存，可以直接用于目标检测任务而无需额外处理。图像分辨率为200*120的RGB图片，包含赛道上常见的各种交通指示牌，旨在支持智能小车的自动驾驶功能。这些指示牌包括左转、右转、红灯、绿灯和人行道等8类别的标识。数据集总大小为11MB，并且分为训练集和测试集两部分： - 训练集中包含901张图片及对应的标签txt文件。 - 测试集中则有225张图片及其相应的标签txt文件。此外，还提供了一份检测类别字典的.txt格式文件以方便查看。为了更好地展示数据内容，项目中还包括一个可视化.py脚本，可以随机选取一张图像进行边界框绘制，并保存到当前目录下。此脚本无需修改即可直接运行。

【目标检测数据集】612张肠道息肉检测图像，VOC+YOLO格式.7z

优质

本数据集包含612张用于肠道息肉检测的高质量医学图像，采用VOC和YOLO双格式存储于压缩文件中，适用于目标检测模型训练与验证。数据集格式：Pascal VOC格式+YOLO格式（不含分割路径的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)：612张标注数量(xml文件个数)：612份标注数量(txt文件个数)：612份标注类别数：1类标注类别名称:[xirou] 每个类别标注的框数： xirou 框数 = 712 总框数：712 使用标注工具：labelImg 标注规则：对类别进行画矩形框

肺结节CT图像的目标检测数据集（适用于YOLOV5的目录格式）：医学影像分析

优质

本数据集专为YOLOv5设计，包含大量肺结节CT图像，旨在促进医学影像中目标检测的研究与应用，特别是在肺部疾病早期诊断领域。项目包含智能小车赛道场景目标检测数据集（6分类），采用YOLO标注格式的txt文件存储，并按YOLOV5文件夹结构保存，可直接用于训练目标检测模型而无需额外处理。该数据集中还包括肺结节CT图像的目标检测数据，分为1类：肺结节。整个数据集大小为6MB，包含训练集和测试集两部分： - 训练集（datasets-images-train）包括220张图片及对应的220个标签txt文件。 - 测试集（datasets-images-val）则由28张图片及其对应数量的标签txt文件组成。此外，项目还包括检测类别的字典文本段落件。为了便于查看数据情况，提供了一个可视化py脚本，在随机传入一张图片后可以绘制边界框，并保存在当前目录中。该脚本无需修改即可直接运行使用。

犬猫检测-数据集

优质

犬猫检测-数据集包含大量标注图片，用于训练和评估图像识别模型在区分狗与猫方面的准确性，助力动物图像分类研究。实际上，人工智能的发展源于我们希望更好地表达对宠物的爱意。计算机技术的进步使得它可以存储更多的猫咪（cattos）和狗狗（doggos）的照片，而大数据的增长很大程度上是因为我们在网络上发布了越来越多的宠物图片所致。有了包含3686张图像的数据集，并且每张图带有两个类别的边界框信息（即狗狗或猫咪），你最终可以将这些技能应用于解决人类相关而又永恒的问题：识别出好男孩并给予它们零食和宠爱。

VisDrone2019数据集适用于小目标检测

优质

简介：VisDrone2019数据集专为挑战性的小目标检测任务设计，包含大量城市监控视频中的复杂场景与多类低分辨率目标标注，推动了无人机视觉领域的研究进展。 visDrone2019数据集适用于小目标检测。