Advertisement

用于行人Person目标检测的XML格式深度学习训练数据集

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

简介：
本数据集包含以XML格式标注的大量行人图像，旨在支持Person目标检测任务的深度学习模型训练与验证。 打包文件夹包含JPEGImages文件夹下的行人（person）图片以及Annotations文件中的xml标签。这些xml标签记录了行人图片中person的检测框坐标位置信息，使用该数据集可以继续进行目标检测的深度学习训练。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 用于行人Person目标检测的XML格式深度学习训练数据集
    优质
    本数据集包含以XML格式标注的大量行人图像，旨在支持Person目标检测任务的深度学习模型训练与验证。 打包文件夹包含JPEGImages文件夹下的行人（person）图片以及Annotations文件中的xml标签。这些xml标签记录了行人图片中person的检测框坐标位置信息，使用该数据集可以继续进行目标检测的深度学习训练。
     
  • 基于深度学习的车辆目标检测BDD100K数据集（jpg、txt格式），可直接用于训练
    优质
    本数据集提供超过十万张带标注的JPEG图像及对应的文本文件，涵盖多样城市驾驶场景，专为基于深度学习的车辆目标检测任务设计。 Bdd100k数据集包含了不同车型在各种天气条件以及白天和夜晚的图片。经过预处理的数据集中进行了多种增强处理，包括亮度调整、图像模糊、添加噪声及翻转旋转等变换操作。该数据集包含超过9000张图片，并且训练集、验证集与测试集的比例大约为8:1:1。
     
  • 目标检测深度学习之人头数据集001
    优质
    本数据集为目标检测深度学习之人头数据集001，包含大量标注的人脸边界框图像，旨在提升人头识别与定位算法精度。 深度学习-目标检测-人头数据集包含7581张各种场景的人头图像，每张图像都有对应标记文件来标明人头位置。该数据集用于训练深度学习中的人头目标检测模型。 由于系统对文件大小的限制，需要将此数据集分为两个文件进行下载。“深度学习-目标检测-人头数据集001” 文件在下载后需继续下载另一个名为“深度学习-目标检测-人头数据集002”的文件。请在同一目录下解压这两个文件以完成整个数据集的安装和使用。
     
  • 目标检测中的深度学习——密集人头检测数据集002
    优质
    本研究专注于利用深度学习技术进行目标检测，尤其针对复杂背景下的密集人头检测问题。通过构建特定的数据集，优化模型以提高在拥挤场景中的人脸识别精度和效率。 brainwash数据集是一个专门用于密集人头检测的数据集。该数据集通过在人群出现的各种场景下拍摄图像，并对这些人群中的人头进行标注而生成。它包含三个部分：训练集包括10769张图片，共81975个人头；验证集有500张图片，3318个人头；测试集则由500张图片组成，共计5007个人头。这个数据集非常适合用于密集人头目标检测的训练任务。 由于文件大小限制的原因，该数据集被分成了两个部分进行下载。“深度学习-目标检测-密集人头检测数据集001”是需要积分的部分，在成功下载并解压此文件后，请继续下载与之同属一个资源中的另一个文件，并在同一目录下解压即可。
     
  • 自制标定的深度学习目标检测与识别算法训练数据集
    优质
    本研究专注于开发和应用自定义标注的数据集来优化深度学习中的目标检测与识别算法，旨在提高模型在特定任务上的准确性和效率。 我制作了一个数据集用于无人机巡检环境下的目标检测与识别任务。该数据集包含1052张图片，并分为四类：树木、电力塔架、四旋翼和房屋。数据集严格按照VOC2007格式进行标注，可以直接应用于深度学习的目标检测算法（如Faster R-CNN 和 YOLO）的训练中。这是第二部分的数据集，包含后552张图片，前一部分会单独上传。
     
  • Python YOLOv5训练用无人机航拍数据集 人工智能深度学习目标检测与识别
    优质
    本项目利用无人机采集图像数据，采用YOLOv5算法进行优化训练，旨在提升基于Python的人工智能深度学习框架下的目标检测及识别精度。 使用Python的YOLOv5对无人机航拍数据集进行训练，应用于人工智能领域的深度学习目标检测与识别任务。
     
  • 深度学习中的人脸训练数据集
    优质
    本资料深入探讨用于人脸检测与识别的深度学习模型中的训练数据集，涵盖数据收集、标注方法及隐私保护策略。 深度学习人脸训练数据集包含13233张人脸图像，可以用于TensorFlow等人脸识别模型的训练学习。
     
  • 深度学习：密集人头检测数据集在目标检测中的应用001
    优质
    本研究探讨了深度学习技术中，专门针对密集场景下的人头检测问题，通过构建新颖的数据集来优化目标检测算法的有效性和准确性。 深度学习-目标检测-密集人头检测数据集中的Brainwash 数据集是一个专门用于密集人群头部检测的数据集合。该数据集通过在各种有人群出现的区域拍摄照片，并对这些图像中的人头进行标注而生成。 此数据集包含三个部分：训练集、验证集和测试集。 - 训练集中有10769张图片，标记了81975个人头； - 验证集中包括500张图片，标记3318个人头； - 测试集合同样拥有500张图像，并且标注了其中的5007个头部。 由于文件大小限制的原因，该数据集需要分成两个独立的部分下载和解压。具体来说，“深度学习-目标检测-密集人头检测数据集001”为第一个部分；而第二个部分则命名为“深度学习-目标检测-密集人头检测数据集002”。请确保这两个文件在同一个目录下进行解压缩操作以完成完整的安装过程。 此资源非常适合用于训练和评估密集人群头部的目标识别模型。
     
  • 【深度学习数据集】Stanford Dogs Dataset——适用于分类与VOC格式的目标检测
    优质
    Stanford Dogs Dataset是专为图像分类及目标检测设计的数据集，包含超过20,000张狗的照片，按200个品种分类，并采用VOC格式标注。 斯坦福犬类数据集是一个专注于细粒度图像分类研究的图像集合，包含120种不同犬种共计20,580张图片。这些图片是从ImageNet数据库中精选而来，旨在帮助研究人员解决犬种间细微差异的分类问题。该数据集提供了类别标签和边界框注释信息，以支持图像识别和分析任务。 研究者可以在斯坦福大学人工智能实验室的网页上找到数据集的相关资源及更多信息。如果在学术出版物中使用了这个数据集，则应引用以下文献： Aditya Khosla等人，《用于细粒度图像分类的新数据集》，《细粒度视觉分类研讨会（FGVC）》, IEEE计算机视觉与模式识别会议（CVPR），2011年。 J. Deng等人，《ImageNet：大规模层级图像数据库》，IEEE计算机视觉与模式识别会议（CVPR），2009年。 此外，数据集的灵感图片由摄影师Hannah Lim在Unsplash上提供。这个数据集不仅是计算机视觉领域的一个宝贵资源，也是对犬种识别能力的一项挑战，特别是对于那些外观极为相似的犬种，例如巴塞特猎犬和寻血猎犬或是不同年龄阶段的吉娃娃。 个人处理时将图像数据与xml格式的目标检测标签分开。