Advertisement

道路行人、车辆及坑洞锥形桶检测数据集(VOC+YOLO格式,含6275张图片,4个类别).7z

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


简介:
本数据集包含6275张图像,涵盖道路行人、车辆及坑洞锥形桶三类对象,采用VOC与YOLO双格式标注,便于多种模型训练和测试。 数据集格式:Pascal VOC格式+YOLO格式(仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):6275 标注数量(xml文件个数):6275 标注数量(txt文件个数):6275 标注类别数:4 标注类别名称:car、person、pothole、trafficcone 每个类别标注的框数: - car 框数 = 56915 - person 框数 = 19159 - pothole 框数 = 1716 - trafficcone 框数 = 1176 总框数:78966 使用标注工具:labelImg 标注规则:对类别进行画矩形框。 重要说明:用于检测道路上的行人、车辆(不含货车和公共汽车,均为小轿车)、地面坑洞以及锥形桶。本数据集不对训练模型或权重文件的精度作出任何保证,仅提供准确且合理的标注信息。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • VOC+YOLO62754).7z
    优质
    本数据集包含6275张图像,涵盖道路行人、车辆及坑洞锥形桶三类对象,采用VOC与YOLO双格式标注,便于多种模型训练和测试。 数据集格式:Pascal VOC格式+YOLO格式(仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):6275 标注数量(xml文件个数):6275 标注数量(txt文件个数):6275 标注类别数:4 标注类别名称:car、person、pothole、trafficcone 每个类别标注的框数: - car 框数 = 56915 - person 框数 = 19159 - pothole 框数 = 1716 - trafficcone 框数 = 1176 总框数:78966 使用标注工具:labelImg 标注规则:对类别进行画矩形框。 重要说明:用于检测道路上的行人、车辆(不含货车和公共汽车,均为小轿车)、地面坑洞以及锥形桶。本数据集不对训练模型或权重文件的精度作出任何保证,仅提供准确且合理的标注信息。
  • 圆石墩VOC+YOLO),461,1.7z
    优质
    本数据集包含461张图片及对应标注,专为道路圆石墩设计,支持VOC与YOLO两种格式,适用于目标检测模型训练和验证。 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) :462 标注数量 (xml 文件个数) :462 标注数量 (txt 文件个数):462 标注类别数:1 标注类别名称:[spherical_roadblock] 每个类别的标注框数: - spherical_roadblock 框数 = 1798 总框数:1798 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。
  • 智慧交通施工VOC+YOLO9454,5).zip
    优质
    该数据集包含9454张图片,涵盖五种类别,以VOC和YOLO格式提供,专为智慧交通中的施工锥形桶路障检测设计。 样本图示例: 文件存储于服务器上,请务必在电脑端资源详情页面查看并下载。 重要提示:数据集由视频截取而来,因此包含大量重复场景图片,请仔细确认符合要求后再进行下载。 数据格式: - Pascal VOC 格式 + YOLO 格式(不包括分割路径的 txt 文件,仅包含 jpg 图片、VOC 格式的 xml 文件及 yolo 格式的 txt 文件) 图片数量 (jpg 文件个数):9454 标注数量 (xml 文件个数):9454 标注数量 (txt 文件个数):9454 类别总数:5 类别名称: - barrel, bluecone, construction, redcone, yellowcone 各类别的框数分别为: - barrel: 21 - bluecone: 8056 - construction: 4652 - redcone: 5473 - yellowcone: 10775 总框数:28977 使用标注工具:labelImg 标注规则:对类别进行矩形框标记。
  • 轮胎瑕疵VOC+YOLO),21544.7z
    优质
    本数据集包含2154张图像,用于轮胎瑕疵检测,支持VOC和YOLO格式,涵盖四种不同类型缺陷,适用于训练高效的瑕疵识别模型。 数据集采用Pascal VOC格式与YOLO格式(不含分割路径的txt文件),仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件。 总共有2154张图片,每一张都有相应的标注文件。 - 使用了四种不同的类别进行标注:debris、ground、side 和 side_cut。 - 各类别的具体框数如下: - debris: 1599个 - ground: 564个 - side: 188个 - side_cut: 493个 总计标注了2844个边界框。 使用的标注工具为labelImg。
  • 考场作弊VOC+YOLO44134).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。
  • 游泳者溺水VOC+YOLO82754).7z
    优质
    本数据集包含8275张图片,旨在通过VOC和YOLO格式识别四种不同类型的潜在溺水事件,以帮助开发游泳者溺水检测系统。 数据集格式采用Pascal VOC与YOLO两种格式存储(不含分割路径的txt文件),仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件。 - 图片数量:8275张 - 标注数量: - xml文件个数:8275份 - txt文件个数:8275份 标注类别共有4种,分别为: 1. Drowning 2. Drowning-headdown 3. Person out of water 4. Swimming 各类别的具体框数如下: - Drowning 框数 = 8835 - Drowning-headdown 框数 = 4 - Person out of water 框数 = 477 - Swimming 框数 = 5383 总计标注框数量为:14699个。 使用工具:labelImg 重要说明: 由于溺水图片较难获取,数据集中超过80%的图片是经过增强处理而来,并且大部分图像分辨率较低,请谨慎考虑是否下载。
  • 拐杖(VOC+YOLO2778,1).7z
    优质
    本数据集包含2778张图片,标注了单一物体类别——拐杖的数据,采用VOC及YOLO两种格式,适用于目标检测模型训练与测试。 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):2778 标注数量(xml文件个数):2778 标注数量(txt文件个数):2778 标注类别数:1 标注类别名称:[whitecane] 每个类别标注的框数: - whitecane 框数 = 4635 总框数:4635 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:视频采集截图图片,场景类似,请参考相关博文。
  • 与下水井盖开关VOC+YOLO407,2).7z
    优质
    该数据集包含407张图片和两个类别,采用VOC和YOLO两种标注格式,主要用于道路与下水道井盖开关状态的检测与识别。 数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含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):407 标注数量(xml文件个数):407 标注数量(txt文件个数):407 标注类别数:2 标注类别名称:[close,open] 每个类别标注的框数: close 框数 = 248 open 框数 = 221 总框数:469 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,数据集只提供准确且合理标注
  • 焊缝质量VOC+YOLO1134,2).7z
    优质
    本数据集包含1134张用于管道焊缝质量检测的图像,涵盖两个关键类别,并采用VOC和YOLO两种格式标注,适用于机器学习与深度学习研究。 数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含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):1134 标注数量(xml文件个数):1134 标注数量(txt文件个数):1134 标注类别数:2 标注类别名称:bad,good 每个类别标注的框数: - bad 框数 = 565 - good 框数 = 431 总框数:996 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:暂无特别说明
  • 表面工业瑕疵VOC+YOLO4004).7z
    优质
    本数据集包含400张图像及对应的标注文件,适用于铝片表面瑕疵检测任务。采用VOC与YOLO双格式存储,涵盖裂纹、划痕等4种常见缺陷类型。 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):400 标注数量(xml文件个数):400 标注数量(txt文件个数):400 标注类别数:4 标注类别名称: [ca_shang, zang_wu, zhe_zhou, zhen_kong] 每个类别标注的框数: - ca_shang 框数 = 270 - zang_wu 框数 = 456 - zhe_zhou 框数 = 124 - zhen_kong 框数 = 212 总框数:1062 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。