Advertisement

1527张道路结冰数据集,采用YOLO/VOC格式标注!

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


简介:
本数据集包含超过1500张图片,专门用于道路结冰检测。每一张图片都按照YOLO和VOC标准进行了精确的手动标注,为开发先进的自动驾驶系统提供坚实的数据支持。 【数据集】道路结冰数据集包含1527张图片,用于目标检测任务,并采用YOLOVOC格式进行标注。该数据集中有两种分类:clear-road(无冰路面)和ice-road(结冰路面)。 资源文件包括以下内容: - Annotations 文件夹内为 Pascal VOC 格式的 XML 文件 - images 文件夹包含 JPG 格式的图像样本 - labels 文件夹存储 YOLO 格式的 TXT 文件 - data.yaml 是数据集配置文件 应用场景: 1. 高速公路:道路结冰检测算法可应用于高速公路的预警与监控系统,提前识别出可能结冰的路段和时间点,为交通管理部门提供决策支持。 2. 城市道路:通过该算法可以实时监测城市道路的结冰情况,并向城市交通管理机构及时、准确地反馈信息。 3. 特殊路段:针对桥梁、隧道入口等特殊区域进行定制化设计,提高检测精度和针对性。 使用方法: 下载YOLO项目,在data目录下创建子文件夹Annotations、images、imageSets、labels。将VOC格式的XML文件手动导入到Annotations文件夹中,并将JPG图像数据导入至images文件夹内。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 1527YOLO/VOC
    优质
    本数据集包含超过1500张图片,专门用于道路结冰检测。每一张图片都按照YOLO和VOC标准进行了精确的手动标注,为开发先进的自动驾驶系统提供坚实的数据支持。 【数据集】道路结冰数据集包含1527张图片,用于目标检测任务,并采用YOLOVOC格式进行标注。该数据集中有两种分类:clear-road(无冰路面)和ice-road(结冰路面)。 资源文件包括以下内容: - Annotations 文件夹内为 Pascal VOC 格式的 XML 文件 - images 文件夹包含 JPG 格式的图像样本 - labels 文件夹存储 YOLO 格式的 TXT 文件 - data.yaml 是数据集配置文件 应用场景: 1. 高速公路:道路结冰检测算法可应用于高速公路的预警与监控系统,提前识别出可能结冰的路段和时间点,为交通管理部门提供决策支持。 2. 城市道路:通过该算法可以实时监测城市道路的结冰情况,并向城市交通管理机构及时、准确地反馈信息。 3. 特殊路段:针对桥梁、隧道入口等特殊区域进行定制化设计,提高检测精度和针对性。 使用方法: 下载YOLO项目,在data目录下创建子文件夹Annotations、images、imageSets、labels。将VOC格式的XML文件手动导入到Annotations文件夹中,并将JPG图像数据导入至images文件夹内。
  • 1876VOC+YOLO
    优质
    本数据集包含超过1876张鼠标的标注图像,采用VOC和YOLO两种格式,适用于物体检测算法的研究与训练。 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):1876 标注数量(xml文件个数):1876 标注数量(txt文件个数):1876 标注类别数:1 标注类别名称:[mouse] 每个类别标注的框数: mouse 框数 = 2261 总框数:2261 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。
  • 输电线检测-YOLO+VOC(1227).zip
    优质
    本数据集包含1227张图像,采用YOLO与VOC标准格式标注,专注于输电线路覆冰情况的检测,适用于训练和评估相关视觉模型性能。 数据集格式:VOC格式+YOLO格式 压缩包内包含三个文件夹: - JPEGImages 文件夹存储图片(jpg 格式),共有 1227 张。 - Annotations 文件夹存储 xml 文件,共 1227 个。 - labels 文件夹存储 txt 文件,共 1227 个。 标签种类数为 2:power_line 和 snow_line。具体框数如下: - power_line 框数 = 69 - snow_line 框数 = 1300 总框数共计:1369。 图片清晰度(分辨率及像素)良好,未进行数据增强处理。 标签形状为矩形框,用于目标检测识别。
  • 杯子4689(VOC+YOLO)
    优质
    本数据集包含4689张图像,标注了各类杯子的位置和边界框信息,符合VOC与YOLO格式标准,适用于目标检测任务。 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):4689。标注数量(xml 文件个数):4689;标注数量(txt 文件个数) :4689;标注类别数:1,具体为“cup”类别。每个类别的标注框数:“cup”的框数为10543。总框数:10543。使用标注工具:labelImg。 重要说明:无特别声明。 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信息。
  • 4000瓶子VOC+YOLO
    优质
    本数据集包含超过4000个瓶子图像样本,采用Pascal VOC及YOLO格式标注,适用于物体检测任务模型训练与测试。 数据集格式采用Pascal VOC与YOLO两种标准格式(不含分割路径的txt文件),包括4001张jpg图片、对应的xml标注文件以及yolo格式的txt文件,每个类别仅包含一种类型:bottle。 具体统计如下: - 图片数量 (jpg 文件个数) : 4001 - 标注数量(xml 文件个数): 4001 - 标注数量(txt 文件个数): 4001 标注类别总数为1,即“bottle”,共标记了矩形框11280个。 使用工具:labelImg 标注规则:对瓶类物体进行画矩形框操作以完成标注任务。
  • 香蕉2240(VOC+YOLO)
    优质
    本数据集包含2240张图片,采用VOC与YOLO两种标注格式,涵盖多种场景下的香蕉图像,适用于物体检测模型训练及评估。 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):2243 标注数量(xml文件个数):2243 标注数量(txt文件个数):2243 标注类别数:1 标注类别名称:[banana] 每个类别标注的框数: banana 框数 = 9195 总框数:9195 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。
  • 风筝2260(VOC+YOLO)
    优质
    本数据集包含2260张图像,标注遵循VOC与YOLO标准格式,涵盖各类典型场景下的风筝实例,适合于目标检测任务的研究和开发。 数据集格式: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) 图片数量(jpg文件个数):2260 标注数量(xml文件个数):2260 标注数量(txt文件个数):2260 标注类别数:1 标注类别名称:[kite] 每个类别的框数: kite 框数 = 8790 总框数:8790 使用工具:labelImg 标注规则:对目标进行矩形标记 重要说明:无特别说明 特别声明:本数据集不对训练模型或权重文件的精度做出任何保证,仅提供准确且合理的标注。