Advertisement

YOLOv5车辆三类检测模型权重+代码+VOC格式数据集

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

简介：
简介：本资源提供YOLOv5针对车辆分类（含轿车、卡车、SUV）的预训练模型及源码，并包含采用VOC格式标注的数据集，适用于快速上手和深度研究。 提供YOLOv5车辆三类检测权重文件以及训练过程中生成的各种曲线图，可以使用TensorBoard查看训练日志。 包含一个用于车辆检测的三类别数据集，其中包括1793张图片，每张图片中可能含有多个目标（car、bus和truck）。标签格式支持VOC和YOLO两种类型。所有图像中的目标清晰可见。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • YOLOv5车辆三类检测模型权重+代码+VOC格式数据集
    优质
    简介：本资源提供YOLOv5针对车辆分类（含轿车、卡车、SUV）的预训练模型及源码，并包含采用VOC格式标注的数据集，适用于快速上手和深度研究。 提供YOLOv5车辆三类检测权重文件以及训练过程中生成的各种曲线图，可以使用TensorBoard查看训练日志。 包含一个用于车辆检测的三类别数据集，其中包括1793张图片，每张图片中可能含有多个目标（car、bus和truck）。标签格式支持VOC和YOLO两种类型。所有图像中的目标清晰可见。
  • 工程车辆目标检测数据集（VOC格式）：重型卡车系列14 - 782张图片
    优质
    本数据集包含782张重型卡车图像，采用VOC格式标注，适用于训练和评估工程车辆的目标检测模型。 数据集格式为Pascal VOC（不含分割路径的txt文件、yolo格式的txt文件，仅包含jpg图片及对应的xml）。 图片数量：782张 标注数量：782个 标注类别数：1类 标注类别名称：zhongxingkache 每个类别中的框的数量：zhongxingkache共有1030个 使用工具为labelImg，对各个分类进行矩形标记。无特别说明需要遵守的规则或注意事项。请注意，本数据集不对训练模型或者权重文件精度作任何保证，仅提供准确合理的标注信息。
  • YOLOv5车辆行人检测及训练权重文件与数据集
    优质
    简介：本项目提供基于YOLOv5模型的车辆和行人检测解决方案，包含预训练权重、优化的数据集及相关代码，适用于快速部署和二次开发。 1. YOLOv5车辆行人检测模型附带各种训练曲线图，并可通过tensorboard打开训练日志文件，mAP值达到90%左右。 2. 该资源包含一个用于车辆行人检测的数据集，标签格式包括VOC和YOLO两种类型。数据集中的人、车类别名称分别为person和car，图像数量约为1万张。 3. 数据集与模型的详细信息可在相关博客文章中找到。
  • Yolov5夜间车辆检测方案+权重+标注数据集+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。
  • YOLOv5摩托车、汽车和公交车检测模型+预训练权重+数据集
    优质
    本项目提供了一个基于YOLOv5的深度学习模型，专门用于检测摩托车、汽车及公交车。包含预训练权重与相关数据集，便于快速部署和二次开发。 使用YOLOv5进行摩托车与汽车检测的项目包括训练好的摩托车检测模型权重、PR曲线、loss曲线等内容，并且在特定数据集上达到了90%以上的mAP值。该数据集中包含car（汽车）、bus（公交车）和motorbike（摩托车）这三类目标，标签格式为txt和xml两种文件类型，分别保存于不同的文件夹中。 该项目采用PyTorch框架编写并使用Python代码实现。
  • 摩托车与电动车辆检测数据集，含VOC及YOLO格式
    优质
    本数据集包含丰富的摩托车和电动车辆图像样本，提供VOC和YOLO两种标注格式，适用于目标检测模型训练和验证。 包含5000多条数据的摩托车电动车数据集，采用YOLO格式，可直接用于训练。
  • yolov5 车辆检测数据集（car）.rar
    优质
    本资源包含YOLOv5算法下的车辆检测专用数据集，适用于训练和测试汽车识别模型。文件格式为RAR压缩包。 车辆目标检测使用YOLOv5模型进行训练，数据集来源于VOCtrainva2012，并从中提取了“car”这一类别。标签文件格式包括txt和xml两种类型。
  • YOLOv5行人检测模型训练权重+3000行人数据集 yolov5-6.0-person_detect.zip
    优质
    本资源提供基于YOLOv5版本6.0的人行检测模型训练权重及包含约3000个样本的行人数据集，适用于深度学习项目中的人体识别研究。 1. YOLOv5行人检测训练权重附有各种训练曲线图。 2. 场景为街道、公路的行人检测模型，在一万多数据集上进行训练，准确率超过90%。 3. 类别：person（人）。 4. 数据集中包含3000张多行人的图片，并提供VOC和YOLO两种标签格式。 5. 检测结果及数据集详情请参考相关博客文章。
  • 道路监控视角车辆检测数据集VOC+YOLO格式5236张5类别.zip
    优质
    本份样本图：来自链接为blog..net/2403_88102872的文章详情页面。文件体积较大，需放到服务器端进行存储和分发。建议在电脑端访问资源信息页面并进行详细查看与下载操作。数据集格式为Pascal VOC与YOLO格式并存，在格式中，仅包含未涉及分割路径的txt文件，其中对应于jpg图片的是Pascal VOC的xml文件和YOLO格式的txt文件。具体数量如下：在jpg图片文件中，共有5,236份图片数据；对应的VOC标注为5,236个xml文件，Yolov5格式则有相应的5,236份txt文件。具体数量统计为：图片数量（jpg文件个数）：5,236；标注数量（xml文件个数）：5,236；yolo标签文件个数：5,236。在标注类别数目方面，共有5种，具体类别包括自行车、公交车、汽车、摩托车以及载重车。注释框分布情况如下：每类中的框数统计如下：自行车部分共有74个注释框，公交车部分则达1,173个，汽车部分为45,642个，摩托车部分则有2,522个，载重车部分注释框数目为6,084个。各分类注释框总数为55,495个，其中自行车部分有74个框，公交车部分则达1,173个，汽车部分为45,642个，摩托车部分则有2,522个，载重车部分注释框数目为6,084个。具体操作包括对每个类别对象画出其对应的矩形框以实现准确分类。本份数据集不对训练的模型或者权重文件精度作任何保证，其提供的标注结果仅基于当前版本的标记工作，并依据labelImg工具生成，此数据集仅提供可靠且合理的标注参考。”
  • 目标检测数据集（YOLOV5目录格式）：针对雾天的行人和车辆五类目标检测数据集
    优质
    该数据集专为雾天环境设计，包含行人与车辆五大类别，采用YOLOv5标准目录结构，适用于提升目标检测模型在恶劣天气条件下的性能。 项目包含雾天下的行人与车辆目标检测数据集（5类别），按照YOLOV5文件夹结构保存，可直接用于目标检测任务。 图像分辨率为400-1000的RGB图片，其中包含了雾天马路上常见的车辆和人群。 【数据集介绍】该数据集中包含五种类别的对象：人、轿车、公交车、自行车及摩托车。 【数据总大小】共约130MB 训练集包括datasets-images-train文件夹内的4320张图像及其对应的标签txt文件，验证集则为datasets-images-val文件夹中的100张图片和相应的标签。 为了便于查看数据内容，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，并将结果保存在当前目录下。该脚本无需修改便可直接运行。