Advertisement

狗狗行为检测数据集(1551张图片,8种类别,YOLO+VOC格式).zip

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


简介:
本数据集包含1551张关于狗狗行为的图像,涵盖八种不同的类别标签。以YOLO和VOC两种格式提供,适用于训练机器学习模型识别和分类不同情境下的狗的行为模式。 数据集格式:VOC格式+YOLO格式 压缩包内包含三个文件夹: 1. 存储图片的JPEGImages文件夹,总计有1551张jpg图片。 2. 用于存储标注信息的Annotations文件夹,其中xml文件总数为1551个。 3. labels文件夹中存放目标检测用的txt格式标签数据,共计包含1551个文本段落件。 该数据集涵盖8种不同的类别: - bark - default - eat - lyingDown - lyingProne - sit - sleep - stand 各类别对应的标注框数量分别为:bark(168),default(211),eat(208),lyingDown (240), lyingProne (148),sit(154), sleep(253) 和stand(231),总计有 1613个标注框。 图片的清晰度良好,分辨率较高。数据集中未进行任何增强处理以保持原始信息的真实性和完整性。 标签形状为矩形框形式,用于目标检测任务中的物体识别部分。 重要说明:无 特别声明:本数据集不提供关于训练模型或权重文件精度方面的保证,仅确保所提供的标注准确且合理。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 15518YOLO+VOC).zip
    优质
    本数据集包含1551张关于狗狗行为的图像,涵盖八种不同的类别标签。以YOLO和VOC两种格式提供,适用于训练机器学习模型识别和分类不同情境下的狗的行为模式。 数据集格式:VOC格式+YOLO格式 压缩包内包含三个文件夹: 1. 存储图片的JPEGImages文件夹,总计有1551张jpg图片。 2. 用于存储标注信息的Annotations文件夹,其中xml文件总数为1551个。 3. labels文件夹中存放目标检测用的txt格式标签数据,共计包含1551个文本段落件。 该数据集涵盖8种不同的类别: - bark - default - eat - lyingDown - lyingProne - sit - sleep - stand 各类别对应的标注框数量分别为:bark(168),default(211),eat(208),lyingDown (240), lyingProne (148),sit(154), sleep(253) 和stand(231),总计有 1613个标注框。 图片的清晰度良好,分辨率较高。数据集中未进行任何增强处理以保持原始信息的真实性和完整性。 标签形状为矩形框形式,用于目标检测任务中的物体识别部分。 重要说明:无 特别声明:本数据集不提供关于训练模型或权重文件精度方面的保证,仅确保所提供的标注准确且合理。
  • 15518YOLO+VOC).zip
    优质
    本数据集包含1551张标注图片,涵盖八种不同的狗狗行为类别。以YOLO和VOC标准格式存储,便于机器学习模型训练与测试。 数据集格式:VOC格式+YOLO格式 压缩包内包含三个文件夹: - JPEGImages 文件夹存储了 1551 张 JPG 图片。 - Annotations 文件夹中包含了对应的 1551 个 XML 标注文件。 - labels 文件夹则有相应的 1551 个 TXT 文件。 标签种类共有8种,分别为:bark, default, eat, lyingDown, lyingProne, sit, sleep 和 stand。各类别标注的具体数量如下: - bark: 168 - default: 211 - eat: 208 - lyingDown: 240 - lyingProne: 148 - sit: 154 - sleep: 253 - stand: 231 总标注数量为:1613。 图片的分辨率清晰,未进行数据增强处理。标签形状是矩形框用于目标检测任务中识别物体边界。 重要说明: 暂无特别需要强调的内容。 特别声明: 本数据集不对训练模型或权重文件的精度提供任何保证,仅确保提供的标注准确且合理有效。
  • 铁锈VOC+YOLO,600,1).zip
    优质
    本数据集包含600张用于铁锈检测的图像,采用VOC和YOLO两种格式标注,集中于单一目标类别——铁锈,适用于训练精确的目标检测模型。 样本图:请到服务器下载文件,在电脑端资源详情查看并下载。 注意数据集部分图片有增强,请认真查阅图片预览内容。 数据格式为Pascal VOC与YOLO,不含分割路径的txt文件,仅包含jpg、VOC xml以及yolo txt格式文件。 图片总数(jpg数量):600 标注文件数(xml):600 标注文件数(txt):600 类别数目:1 类别名称:[Corrosion] 每个类别的框的数量: 腐蚀 框的个数 = 5920 总框的数量: 5920 使用工具为labelImg,标注规则是对目标进行矩形标记。 特别说明:暂无其他重要信息需要补充。
  • 学生课堂VOC+YOLO),含5622,7个.7z
    优质
    本数据集包含5622张图像,采用VOC及YOLO格式标注,涵盖学生课堂上的七种典型行为,旨在促进课堂教学行为分析研究。 数据集格式为Pascal VOC与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:5622张 标注数量:5622个(包括xml文件和txt文件) 标注类别数:7类 标注类别名称:“dk”、“dx”、“js”、“tt”、“xt”、“zl”、“zt”。
  • 考场作弊VOC+YOLO,含4413,4个).7z
    优质
    本数据集包含4413张图像,用于识别考试中的作弊行为,采用VOC和YOLO格式标注,涵盖4种类别,适用于训练检测模型。 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):4413 标注数量(xml文件个数):4413 标注数量(txt文件个数):4413 标注类别数:4 标注类别名称:[Cheatcode,Cheating,NonCheating,mobiledetrction] 每个类别标注的框数: - Cheatcode 框数 = 428 - Cheating 框数 = 8730 - NonCheating 框数 = 4022 - mobiledetrction 框数 = 3611 总框数:16791 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:本数据集不对训练的模型或者权重文件精度作任何保证,仅提供准确且合理的标注。
  • 香烟瑕疵VOC+YOLO含1972.zip
    优质
    该数据集包含197张图片和两个类别的标注信息,采用VOC与YOLO兼容格式,适用于训练和评估香烟瑕疵检测模型。 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):197 标注数量(xml文件个数):197 标注数量(txt文件个数):197 标注类别数:2 标注类别名称:[kongtou, yiwu] 每个类别标注的框数: - kongtou 框数 = 100 - yiwu 框数 = 97 总框数:197 使用标注工具:labelImg 标注规则:对类别进行矩形框标记 重要说明:暂无 特别声明:本数据集不对训练的模型或权重文件精度作任何保证,仅提供准确且合理的标注。
  • VOC+YOLO的排污口(405,3个).zip
    优质
    本数据集包含405张图像和三个排污口相关类别标签,采用VOC与YOLO双格式标注,旨在提升排污口自动化检测效率与精度。 文件较大,请在服务器上下载,并务必查看资源详情后再进行下载。 数据集格式为Pascal VOC与YOLO格式(不含分割路径的txt文件),仅包含jpg图片、VOC格式xml文件及yolo格式txt文件。 - 图片数量:405张(jpg) - 标注数量:810个(xml和txt各405个) - 类别数:3 - EmptyPipe: 矩形框计数 = 100 - SewagePipe: 矩形框计数 = 374 - WaterPipe: 矩形框计数 = 65 总计矩形标注数量为539。 使用工具:labelImg,规则是对每个类别进行矩形框标注。 重要说明:暂无。