工程车辆的目标检测数据集( zip 版本)

5星

浏览量: 0

大小:None

文件类型：ZIP

简介：
工程车辆目标检测数据集• 数据集名称：工程车辆目标检测数据集• 图片数量：训练集中共有251张工地场景图片• 目标类别：包括混凝土搅拌车(concretemixertruck)、自卸卡车(dump_truck)以及挖掘机(excavator)• 标注格式：遵循YOLOv5/yolov8格式进行标注设计确保边界框精确配合类别标签严格校验消除歧义标注• 数据来源：基于真实工地场景拍摄的数据构建而成具备广泛的适用性适应多种作业环境需求• 技术特性：智慧工地监控系统通过自动识别施工现场车辆类型实现精准追踪并实时监测设备分布与作业状态支持工地安全管理有效预防人车碰撞危险智能化分析平台结合GIS地理信息系统优化资源调度方案助力施工进度预测与项目管理决策基于YOLOv5/yolov8模型构建的目标检测算法可在复杂施工环境中提供可靠性能验证专注于工程机械领域提供标准化基准数据集助力目标检测算法性能评估多模态样本集合涵盖典型施工场景中各类工程车辆的多样化姿态状态及复杂光照条件该数据集作为工业实践的重要支撑具备显著的应用价值直接解决工地自动化管理中的核心检测需求灵活的技术架构支持主流检测框架如$YOLO$系列模型与DETECTRON2等多种平台无缝对接便于迁移学习扩展至更多应用场景

全部评论 (0)

还没有任何评论哟~

客服

自建车辆目标检测数据集（1.0）

优质

本数据集为自建车辆目标检测专用，包含多种场景下的高清图像及精确标注框与类别信息，适用于训练和测试相关算法模型。版本1.0。个人自制的目标检测样本集（xml格式）用于完成毕业设计。图像数据来源为江苏路网采集的视频，时间范围从2022年10月27日至2023年4月7日。标注采用labelimg工具，共包含1044个样本，其中两千多个是car标签，少部分为bike标签。免费转载使用时，请注明出处bitzh_tyw。

夜间车辆识别的数据集（目标检测）

优质

本数据集专为夜间复杂环境下的车辆识别设计，包含大量标注清晰的图像样本，旨在提升模型在低光照条件下的目标检测能力。该数据集适用于YOLO系列（包括YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9及更高版本）、Faster R-CNN 和 SSD 等模型的训练，包含夜间车辆、交通灯和其他交通目标识别。类别涵盖 car（汽车）、pedestrian（行人）、traffic light（交通灯）、traffic sign（路标）、bicycle （自行车）、bus （公交车）、truck （卡车）和 rider（骑车人）。数据集包括5000张图片，以及相应的txt标签文件和指定类别信息的yaml文件。此外还有xml格式的标签文件提供。所有图像已按训练集、验证集及测试集划分好，可以直接用于模型训练。

车辆目标检测数据集 - 汽车图像与卫星遥感图 - 人工智能车辆数据集

优质

本数据集包含汽车图像及卫星遥感图片，专为车辆目标检测设计，适用于训练和评估人工智能模型在不同场景下的车辆识别能力。这是一批车辆的数据集，包含三种类型的机动车：轿车、巴士以及卡车。数据集可用于人工智能目标检测算法的研究。图片总数为1000张，尺寸统一为1024x1024像素的RGB彩色图像，并且是通过卫星拍摄得到的可见光成像照片。所有图片都已标注完毕，标签格式采用pascal voc标准（xml文件）。

电动车辆检测数据集.zip

优质

该数据集包含多种型号电动车辆在不同行驶条件下的详细检测信息，旨在为研究者提供全面的数据支持以推进电动汽车技术的发展。电动车目标检测数据集.zip

YOLO车辆检测数据集 v0403.zip

优质

YOLO车辆检测数据集v0403.zip包含了用于训练和测试车辆识别模型的图像及标注文件，适用于自动驾驶和智能交通系统研究。该数据集包含白天和夜晚的车辆图像，并且包括俯视场景的照片。所有图片都已经进行了标注，可以直接用于YOLO车辆检测任务。标注类别为“car”，总共有2000多张图片。标签格式有两种：txt和xml。

YOLO车辆检测数据集 car_VOCtrainval2012.zip

优质

car_VOCtrainval2012.zip是用于YOLO算法训练和验证的车辆检测数据集，包含标注好的车辆图像，旨在提升模型在复杂场景下的目标识别能力。 1. YOLO车辆检测数据集 2. 类别名：car 3. 来源：从VOCtrainva2012数据集中单类别提取得到 4. 标签格式：txt和xml两种 5. 图片数量：1284张

RSOD目标检测数据集版本

优质

RSOD目标检测数据集版本是专为复杂场景下的小目标检测设计的数据集合，包含多种环境、光照条件下的高清图像及标注信息，助力提升模型在实际应用中的性能与鲁棒性。 RSOD是一个开放的目标检测数据集，专为遥感图像中的目标识别设计。该数据集以PASCAL VOC格式进行标注，并包含四种对象：飞机、油箱、运动场以及立交桥。具体来说，它由四个文件夹组成： 1. 飞机数据集包括4993架飞机，在446幅图像中。 2. 操场共有189张图片和其中的191个操场。 3. 立交桥部分有176副图，包含着180座立交桥。 4. 关于油箱的数据集则由1586个目标在总共的165幅图像中组成。

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。

已标注的夜间车辆检测数据集

优质

本数据集包含大量经过严格标注的夜间车辆图像，旨在为自动驾驶及智能交通系统中的夜间场景识别与目标检测研究提供支持。夜间车辆监测数据集已包含标注好的xml标签文件，分为训练集和测试集，总共有大约10000张图片。