Advertisement

关于VOC XML格式的船舶识别数据集

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

简介：
本数据集提供基于VOC XML格式的船舶识别标注，包含多种海上船只图像及其详细注释信息，旨在促进船舶检测与分类研究。 我们有一个使用VOC XML格式的船舶识别数据集，包含5000张图片，标签共有10类：BULK CARRIER、CONTAINER SHIP、GENERAL CARGO、OIL PRODUCTS TANKER、PASSENGERS SHIP、TANKER、TRAWLER、TUG、VEHICLES CARRIER和YACHT。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 关于VOC XML格式的船舶识别数据集
    优质
    本数据集提供基于VOC XML格式的船舶识别标注，包含多种海上船只图像及其详细注释信息，旨在促进船舶检测与分类研究。 我们有一个使用VOC XML格式的船舶识别数据集，包含5000张图片，标签共有10类：BULK CARRIER、CONTAINER SHIP、GENERAL CARGO、OIL PRODUCTS TANKER、PASSENGERS SHIP、TANKER、TRAWLER、TUG、VEHICLES CARRIER和YACHT。
     
  • 船舶检测数据集，涵盖VOC与YOLO格式
    优质
    本数据集包含多种类型船舶的详细图像信息，支持VOC及YOLO两种标注格式，适用于目标检测任务的研究和模型训练。 船只检测数据集包含超过5000张正面和侧面的船只图片，可以直接用于训练船只检测模型。
     
  • 船舶识别数据集合-dataset.rar
    优质
    本资源包含一个全面的船舶识别数据集，旨在支持研究和开发海上交通管理系统。数据包括船名、IMO编号、MMSI码等关键信息，适用于学术分析及技术应用。 船舶识别数据集包含几千张图片，并且每张图片都有相应的标签。
     
  • 船舶数据集2007年版 7000张图片 voc格式转yolov5格式
    优质
    本数据集包含2007年拍摄的7000张船舶图像，原为VOC格式，现已转换为YOLOv5格式，适用于目标检测模型训练与测试。 将船舶数据集2007年的7000张图片从VOC格式转换为YOLOv5格式。
     
  • YOLO船舶识别数据集更新版
    优质
    YOLO船舶识别数据集更新版是对现有船舶检测模型的数据支持进行增强和优化，提供大量标注清晰的海上船只图片及视频，旨在提升目标检测算法在复杂海况下的准确性和实时性。 YOLO txt格式的船舶识别数据集包含5000张图片，标签共有10类：BULK CARRIER、CONTAINER SHIP、GENERAL CARGO、OIL PRODUCTS TANKER、PASSENGERS SHIP、TANKER、TRAWLER、TUG、VEHICLES CARRIER 和 YACHT。
     
  • VOC格式数据集转Yolo格式（XML到TXT）
    优质
    本项目提供了一种高效的方法，用于将VOC格式的数据集中标注文件从XML转换为YOLO训练所需的TXT格式，助力机器学习任务。 在计算机视觉领域，数据集是训练模型的基础。VOC（PASCAL VOC）与YOLO（You Only Look Once）是两种常用的数据集格式。本段落将详细介绍如何把VOC格式转换为YOLO格式，并介绍相关知识。 VOC是一种标准的数据集格式，主要用于物体检测任务。它包括图像和对应的XML标注文件，其中每个XML文件描述了图像中的一个或多个物体及其位置信息。典型的VOC数据结构如下： 1. `JPEGImages`：存储原始的JPEG图像。 2. `Annotations`：包含对应于每张图片的XML注释文件，这些文件提供了有关对象的位置和类别的详细信息。 3. `ImageSets`：包括文本段落件，指定了需要处理的具体图形单元。 YOLO是一种实时目标检测系统。其数据集格式简洁明了，利于模型训练。YOLO的数据结构通常包含： 1. 图像（例如JPEG）。 2. 标注（以.txt为扩展名的文件），其中每一行代表一个对象，并包括图像名称、中心坐标（x, y）、相对于图片宽高的比例尺寸（w, h）和类别编号。 要将VOC转换成YOLO格式，主要步骤如下： 1. **解析XML**：读取并处理每个XML文件以提取物体边界框的坐标(top, left, bottom, right)及分类名称。 2. **计算中心点与比例尺寸**：基于上述坐标信息，推算出对象中心位置（x,y）以及宽度和高度相对于图像的比例(w,h)。 3. **生成TXT文档**：为每个图片创建一个相应的TXT文件，并将所有物体的数据写入其中。每行代表单个实体的信息。 4. **建立类别映射**：确保VOC与YOLO中的分类编号一致，可能需要制定一份类别转换表来实现这一目标。 5. **重新组织数据集**：依据YOLO的目录结构整理新的数据集合。 `voc2txt`脚本用于执行上述变换过程。它扫描整个Annotation文件夹内的XML文档，并根据提取的信息生成对应的TXT注释文件，从而形成符合YOLO格式的数据集。 在转换过程中需要注意以下几点： - **坐标调整**：VOC使用的原点位于图像的左上角，而YOLO则以中心为基准。 - **类别一致性**：确保两个数据集中对象分类的一致性。 - **忽略无标注图片**：某些VOC文件可能没有包含任何物体信息，在转换时应予以排除或标记。 这种类型的工具通常会提供配置选项如映射表和输出路径，以便用户根据特定需求进行调整。通过对这两种格式差异及转换流程的理解，可以更有效地管理和使用计算机视觉项目中的数据集。
     
  • BDD100k数据集VOC格式（XML）标签.zip
    优质
    本资源提供BDD100k数据集中视频及图像标注文件的VOC格式（XML）版本，便于用户进行目标检测和语义分割等计算机视觉任务。 BDD100K数据集是由伯克利大学AI实验室（BAIR）发布的目前最大规模、内容最具多样性的公开驾驶数据集。该数据集中包含的类别有[car, bus, person, bike, truck, motor, train, rider, traffic sign, traffic light]，常用于街道车辆、行人和交通标识等识别检测任务。 BDD100K的数据标签可以转换为VOC格式的XML文件，这非常方便。具体来说，训练集包含70k个样本，验证集则有10k个样本。如果有任何问题或需要进一步的帮助，请随时留言交流。
     
  • 将VOC格式数据集转为COCO格式，xml转json格式
    优质
    本项目提供了一种高效的方法，用于转换计算机视觉任务中常用的VOC格式数据集至COCO格式，实现从XML到JSON的数据解析与重组。 将VOC格式的数据集转换为COCO格式是必要的步骤之一，在这种情况下，xml格式需要被转换成json格式以适应EfficientDet等网络的需求。
     
  • VOC格式数据集扩展（含XML文件）
    优质
    本数据集为VOC格式的图像分类与目标检测任务提供扩充资源，包含详细的XML标注文件，便于研究人员进行模型训练和验证。 可以扩展任意倍数的图片以及XML文件。
     
  • 船舶检测的航拍图像数据集（YOLO格式）
    优质
    本数据集包含大量船舶检测专用的航拍图像，采用YOLO格式标注，适用于训练和评估目标检测模型在复杂海况下的性能。 船只图片数据集，可以直接用于目标检测模型的训练。