深度学习目标检测——汽车数据集（含小汽车、行人、自行车、卡车、公交车及摩托车）

5星

浏览量: 0

大小:None

文件类型：None

简介：
本项目专注于深度学习在目标检测领域的应用，特别针对包含多种交通参与者（如小汽车、行人、自行车等）的复杂城市道路场景。通过训练模型识别和分类不同类型的交通工具，旨在提升自动驾驶系统的感知能力与安全性。数据集全面覆盖了从小型摩托车到大型公交车的各种车辆类型，为研究者提供了丰富的测试资源。数据集包含不同类别的车辆和行人图像：自行车291张、小汽车1797张、人1281张、卡车494张、公交车425张以及摩托车328张。所有图片均从网络上爬取，并由人工进行标注，支持VOC、COCO及YOLO三种格式的数据标注样式。如果涉及侵权，请联系作者删除相关数据。

全部评论 (0)

还没有任何评论哟~

客服

深度学习目标检测——汽车数据集（含小汽车、行人、自行车、卡车、公交车及摩托车）

优质

本项目专注于深度学习在目标检测领域的应用，特别针对包含多种交通参与者（如小汽车、行人、自行车等）的复杂城市道路场景。通过训练模型识别和分类不同类型的交通工具，旨在提升自动驾驶系统的感知能力与安全性。数据集全面覆盖了从小型摩托车到大型公交车的各种车辆类型，为研究者提供了丰富的测试资源。数据集包含不同类别的车辆和行人图像：自行车291张、小汽车1797张、人1281张、卡车494张、公交车425张以及摩托车328张。所有图片均从网络上爬取，并由人工进行标注，支持VOC、COCO及YOLO三种格式的数据标注样式。如果涉及侵权，请联系作者删除相关数据。

Yolo算法用车辆数据集-含2129张标注图片-涵盖卡车、小汽车和摩托车及公交车.zip

优质

本资源提供了一个包含2129张注释图像的数据集，专为YOLO算法训练设计。该数据集涵盖了多种常见车辆类型，包括卡车、小汽车、摩托车及公交车，有助于提高模型在复杂交通环境下的识别精度和速度。 Yolo系列算法的目标检测数据集包含标签文件，可以直接用于训练模型及验证测试。该数据集已经划分好，并附有data.yaml配置文件，适用于yolov5、yolov8、yolov9、yolov7、yolov10和yolo11等算法。此数据集中有两种格式的标签：Yolo格式（txt文件）与VOC格式（xml文件），分别存储在不同的文件夹中。Yolo格式的具体内容为：，其中： - `` 表示目标类别的索引值，从0开始计数。 - `` 和 `` 分别是目标框中心点的X和Y坐标，这些坐标是以图像宽度和高度为基准的比例值，在0到1之间变化。 - `` 和 `` 表示目标框的实际宽度与高度，同样以比例形式给出。

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。

摩托车及自行车头盔监测数据集

优质

该数据集包含丰富的摩托车和自行车头盔使用情况的监测记录，旨在研究道路安全、提升骑行者保护措施。摩托（包含自行车）头盔监测数据集包含了499张骑行状态下的头盔图片。

小汽车、老爷车、跑车检测数据集 - 数据球目标检测系列

优质

本数据集包含各种类型车辆（包括小汽车、老爷车及跑车）的详细图像和标注信息，专为提升数据球平台上的目标检测算法性能而设计。数据集-目标检测系列- 小汽车老爷车跑车检测数据集 car ＞＞ DataBall 标注文件格式：xml 项目地址提供了一个webui界面，用于对ultralytics的detect检测任务进行以下操作： 1）数据预处理， 2）模型训练， 3）模型推理。脚本运行方式如下： * 运行脚本： python webui_det.py or run_det.bat 根据readme.md步骤进行操作。样本量： 238 目前数据集会定期更新。

五类实时交通目标检测自建数据集：包含汽车、灯光、摩托车、行人和路标，共计1498张原始图像

优质

这是一个专为实时交通目标检测设计的数据集，涵盖汽车、灯光、摩托车、行人及路标五大类别，总计提供1498幅高质量原始图片。本数据集包含五类实时交通目标检测内容：汽车(car)、灯光(light)、摩托车(moto)、行人(person)与路标(signs)，总计1498张原始图片资源，其中训练集包括998张图像，验证集和测试集各250张。该数据集支持YOLO格式、VOC格式及COCO格式。在yolov8s模型上的mAP50值为0.763，P值为0.791，并且未经任何图像预处理操作，均为原始图片，可直接使用。

汽车行业微信小程序源码包（包括爱卡汽车、奥多停车、卡卡汽车和汽车测评等项目）.rar

优质

本资源包提供多个汽车行业相关微信小程序源代码，涵盖爱卡汽车社区、奥多智能停车系统、卡卡汽车服务及汽车测评应用等多个实用功能模块。提供一系列汽车行业微信小程序源码供选择：爱卡汽车、奥多停车、卡卡汽车以及汽车测评小程序。这些小程序经过亲测验证，功能全面且稳定可靠，您可以放心使用。无论是针对车主还是汽车爱好者，以上提到的小程序都能满足您的需求，并带来便捷的体验和服务。

【目标检测数据集】包含7类车型的1880张车辆分类数据集（VOC+YOLO格式，涵盖摩托车、救护车、消防车、警车、警用摩托车、轿车及大型货车）.zip

优质

本数据集提供1880张图像，覆盖七种类别车辆（含轿车、货车及特种车辆），适用于目标检测任务。以VOC和YOLO格式呈现，便于模型训练与验证。数据集采用Pascal VOC格式与YOLO格式进行标注（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。图片总数：1883张标注数量： - xml文件数：1883个 - txt文件数：1883个标注类别共有7种，分别为“摩托车”、“救护车”、“大车”、“轿车”、“消防车”、“警车”和“警用摩托车”。各类别框的数量如下： - 摩托车：877个 - 救护车：304个 - 大车：355个 - 轿车：303个 - 消防车：325个 - 警车：300个 - 警用摩托车：293个总框数为2757。标注工具使用的是labelImg。

机动车、自行车、摩托车和巴士的数据集及XML标注压缩包

优质

本数据集包含各类交通工具图像及其XML格式标注文件，涉及机动车、自行车、摩托车和巴士，适用于计算机视觉研究与应用。该数据集包含超过3000张图片，主要来源于自行拍摄及整理的VOC2012标准格式的数据。这些图像涵盖了国内外各种机动车、自行车、摩托车和巴士，并且包括了晴天、阴天、雨天以及低能见度天气等多种复杂场景。所有图片均已标注完成。该数据集非常适合用于深度学习模型训练，特别是适用于YOLOv5算法的训练任务，在嵌入式比赛中也有很好的应用前景。使用预训练模型YOLOv5s.pt进行300轮迭代后可以达到较好的检测效果。分类包括：bus（巴士）、car（机动车）、motorbike（摩托车）和bicycle（自行车）。

车辆、行人及自行车数据集

优质

本数据集包含丰富多样的车辆、行人和自行车图像，适用于各类交通场景识别与分析研究。该数据集包含汽车、行人及自行车的图像及其对应的标签文件。整个数据集分为两个主要部分：JPEGImages 和 Annotations。在 JPEGImages 文件夹中包括了6000张不同场景下的高质量图片，涵盖了各种环境中的车辆、行人和自行车等元素；而Annotations 文件夹则有相应的 6000 张 XML 标注文件，这些标注数据是通过 labelimg 软件进行人工标记的。此数据集具有广泛的代表性，并且经过精心挑选以确保其适用性。它不仅能够作为汽车、行人和自行车检测任务的基础模板使用，还可以根据特定应用场景的需求加入额外的数据来进一步优化模型性能。这大大节省了用户在收集图像资源以及手动标注工作上的时间和精力，使得研究人员可以直接进入工程化应用阶段进行深入研究或开发相关项目。