Advertisement

车辆行人检测数据集(智能驾驶场景)part1-10800.zip

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


简介:
本数据集包含车辆与行人的详细检测信息,适用于智能驾驶研究。涵盖多种交通场景下的高清图像及标注,旨在提升自动驾驶系统的识别能力。 本项目涉及在街道和公路场景下使用YOLOv5进行车辆和行人检测。数据集包含1万多张标注好的图片,并被分为两部分,这是第一部分(part 1)。目标类别包括person 和 car。标签格式支持VOC和YOLO两种标准格式,即xml和txt文件形式。这些数据可以直接应用于智能驾驶场景中的车辆行人检测任务中。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • part1-10800.zip
    优质
    本数据集包含车辆与行人的详细检测信息,适用于智能驾驶研究。涵盖多种交通场景下的高清图像及标注,旨在提升自动驾驶系统的识别能力。 本项目涉及在街道和公路场景下使用YOLOv5进行车辆和行人检测。数据集包含1万多张标注好的图片,并被分为两部分,这是第一部分(part 1)。目标类别包括person 和 car。标签格式支持VOC和YOLO两种标准格式,即xml和txt文件形式。这些数据可以直接应用于智能驾驶场景中的车辆行人检测任务中。
  • 自然为的轨迹预
    优质
    本数据集专注于收集和分析车辆在真实环境中的自然驾驶行为,通过大量实际道路测试获取精确的车辆运动轨迹,为自动驾驶技术的发展提供重要参考。 整理了一些常用的轨迹预测数据集的介绍。这些数据集包含了不同类型的应用场景,如行人、车辆以及无人机等移动对象的位置变化信息。每个数据集中都提供了详细的标注以帮助研究者进行模型训练与验证。通过使用这些资源,研究人员可以更深入地探索和理解轨迹预测领域的挑战和技术细节。
  • YOLOv7及训练模型+5000
    优质
    简介:本项目提供YOLOv7算法在车辆和行人检测中的应用与训练模型,并包含一个涵盖5000个样本的数据集,适用于深度学习研究者进行目标检测的实验。 该车辆行人检测项目基于YOLOv7模型进行开发,并已使用包含一万多张交通场景图像的数据集完成训练。数据集中包括5000多张额外的测试图片,标签格式为txt和xml两种文件类型,分别保存在两个不同的文件夹中。目标类别共有2个:person(行人)和car(车辆)。经过充分训练后,模型达到了90%以上的mAP值,并提供了PR曲线、loss曲线等评估结果以供参考。 该项目采用了PyTorch框架进行实现,所有代码均为Python编写。
  • 疲劳.zip
    优质
    该数据集包含多种条件下驾驶员疲劳状态的视频片段和相关信息,旨在用于开发与评估监测驾驶员疲劳程度的技术模型。 本数据集包含了人疲劳时的一些照片,建议训练时可以把打哈欠张嘴的状态和闭眼的状态作为疲劳标准,以此来进行一个新手练习的小项目。经过测试发现,由于原数据集中存在图片数据与标注数据不匹配的问题,故我们需要将这部分不匹配的数据删除。 以下是参考代码: ```python import os, shutil jpeg_path = Dataset/dataset/JPEGImages jpeg_list = os.listdir(jpeg_path) anno_path = Dataset/dataset/Annotations anno_list = os.listdir(anno_path) for pic in jpeg_list: name = pic.split(.)[0] anno_name = name + .xml if anno_name not in anno_list: os.remove(os.path.join(jpeg_path, pic)) ```
  • 轨道.rar
    优质
    本资源为智能车辆轨道检测数据集,包含大量用于训练和测试轨道检测算法的图像及标注信息,适用于自动驾驶系统研发。 智能车寻轨数据集
  • CarSim中下的换道与插入路径设计
    优质
    本研究探讨了在CarSim仿真环境中,针对智能驾驶系统中的车辆换道及插入路径的设计方法,旨在提升道路使用效率和安全性。 在Carsim中设计智能车辆前方发生插车场景,并创建相应的插车路径数据集。这些数据集同样适用于换道场景的设计。
  • 目标 - 汽图像与卫星遥感图 -
    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)。