VOC格式的条码目标检测数据集含15442张图片-ITADN社区

优质

该数据集包含15,442张图像，专为VOC格式下的条形码目标检测设计，适用于训练和评估计算机视觉模型在复杂场景中识别条形码的能力。数据集格式：Pascal VOC（不含分割路径的txt文件和yolo格式的txt文件，仅包含jpg图片及对应的xml标注）图片数量（jpg文件个数）：15442 标注数量（xml文件个数）：15442 标注类别数：1 标注类别名称：barcode 每个类别的框数统计：barcode count = 34761 使用工具：labelImg 标注规则：对条码进行矩形标记。重要说明：此数据集仅包含条码，不含二维码，请参考其他相关数据集获取二维码信息。特别声明：本数据集不对训练模型或权重文件的精度作任何保证，只提供准确且合理的标注。

黄瓜目标检测数据集（VOC格式），含1309张图片

优质

本数据集为黄瓜目标检测设计，包含1309张图像，遵循Pascal VOC标准格式，适用于训练和评估物体检测模型。数据集格式：Pascal VOC（不含分割路径的txt文件、yolo格式的txt文件，仅包含jpg图片及其对应的xml标注）图片数量（jpg文件个数）：1308 标注数量（xml文件个数）：1308 标注类别数：1 标注类别名称：cucumber 每个类别的标记框数量：cucumber计数 = 2939 使用工具：labelImg 标注规则：对目标进行矩形框绘制。重要说明及特别声明：本数据集不对训练模型或权重文件的精度作任何保证，仅提供准确且合理的标注信息。

VOC格式岸边垂钓目标检测数据集——含4330张图片

优质

这是一个包含4330张图像的VOC格式数据集，专为岸边垂钓场景中的目标检测任务设计，适用于训练和评估相关算法模型。数据集格式：Pascal VOC（仅包含jpg图片及对应的xml文件）图片数量（jpg文件个数）：4330 标注数量（xml文件个数）：4330 标注类别数：1 标注类别名称：fishing 每个类别的标记框数量： - fishing count = 4644 使用工具：labelImg 标注规则：对目标进行矩形框的绘制。重要说明：该数据集用于检测岸边钓鱼人员，当有人手持鱼竿或明显在垂钓时会被标注。特别声明：本数据集不对训练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记信息。

【目标检测数据集】仓库托盘检测数据集（YOLO+VOC格式，含1182张图片）.zip

优质

本资源提供一套针对仓库托盘的目标检测数据集，包含1182张图片，并采用YOLO与VOC标准格式标注，适用于训练和测试相关模型。数据集格式：VOC格式+YOLO格式压缩包内包含三个文件夹： - JPEGImages 文件夹存储了1182张 jpg 图片； - Annotations 文件夹中包含了对应的 1182 个 xml 标注文件； - labels 文件夹中有与之匹配的 1182 个 txt 标签文件。标签种类为一种，名称是“tuopan”。该标签共有矩形框38971个。图片清晰度良好（分辨率为像素），未经过任何图像增强处理。

VOC塔吊目标检测数据集含2559张图片

优质

本数据集包含2559张图像，专为VOC格式设计，旨在提升塔吊在复杂环境中的目标检测精度与效率，适用于研究和开发高性能视觉识别系统。数据集格式：Pascal VOC（不含分割路径的txt文件及yolo格式的txt文件，仅包含jpg图片及其对应的xml标注）图片数量（jpg文件个数）：2559 标注数量（xml文件个数）：2559 标注类别数：1 标注类别名称：tadiao 每个类别的标注框数：tadiao count = 2936 使用工具：labelImg 标注规则：对目标类别进行矩形框标记重要说明：无特别声明特别声明：本数据集不对训练模型或权重文件的精度提供任何保证，仅确保提供的标注准确且合理。

公路落石目标检测数据集（VOC+YOLO格式，含282张图片）.zip

优质

本资源提供一套针对公路落石的目标检测数据集，包含282张标注图片，并兼容VOC和YOLO两种主流格式。适用于深度学习研究与应用开发。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）：282 标注数量（xml文件个数）：282 标注数量（txt文件个数）：282 标注类别数：1 标注类别名称：[stone] 每个类别标注的框数： stone 框数 = 632 总框数：632 使用标注工具：labelImg

【目标检测数据集】11960张水稻病害检测图片（VOC+YOLO格式）.zip

优质

本资源提供一套用于水稻病害识别的目标检测数据集，包含11960张标注清晰的图像，并以VOC和YOLO两种格式呈现，适用于深度学习模型训练。数据集采用了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。该数据集中共有11963张图片，每一张都有相应的标注信息： - Pascal VOC xml 文件数量：11963个 - YOLO txt 标注文件数量：11963个这些图像被分为十二类进行标记：标注类别数为 12 种，具体包括以下几种类型及其对应的框的数量: - BLBD: 框数 = 1030 - BLSD: 框数 = 1067 - BSD: 框数 = 1064 - DPD: 框数 = 1465 - FSD: 框数 = 2154 - Healty: 框数 = 1266 - NBD: 框数 = 1412 - NBSD: 框数 = 975 - Non-Rice: 框数 = 1298 - RBD: 框数 = 1070 - RRSD: 框数 = 972 - SBD: 框数 = 1303 总计标注框数量为：15,076个。使用了labelImg工具进行标记，遵循对类别画矩形框的规则。

【目标检测】飞行物检测数据集含7346张图片及3类标签（YOLO+VOC格式）.docx

优质

本文档提供了一个包含7346张图像的飞行物检测数据集，内含三种不同类别标签。数据以YOLO和VOC格式存储，便于目标检测模型训练与评估。在当前的计算机视觉研究与应用领域内，目标检测技术已经发展成为一项关键任务，并且广泛应用于安全监控、自动驾驶汽车、智能交通管理和无人机监测等多个领域中。这项技术的目标是在图像或视频帧中识别并定位出一个或多个物体的位置，并给出它们的具体类别。近年来，由于深度学习的快速发展，目标检测算法取得了显著的进步，其准确性和速度都有了大幅度提高。然而，在训练高性能模型的过程中需要大量标注数据的支持。这些数据集的质量、多样性和数量直接影响到最终模型的表现效果。本段落档提供了一套特定应用领域的飞行物检测数据集，该数据集中包含7346张图片，并涵盖了三种类型的飞行物体：“bird”（鸟）、“drone”（无人机）和“plane”（飞机）。此数据集采用了两种主要的格式：VOC格式与YOLO格式。Pascal VOC是一种广泛应用于目标检测任务的数据标注方式，它包括了图像、注释文件以及类别信息文件；而YOLO则适合于实时对象检测系统，并要求所有的注释信息被记录在一个或多个文本段落件中。数据集的具体结构包含三个主要的子目录：JPEGImages（所有.jpg格式图片）、Annotations（与每张图片对应的.xml格式标注）和labels（.txt格式的目标定位信息）。此外，还有一个classes.txt文档用于指定标签类别的顺序。在该数据集中，“鸟类”有26861个注释框、“无人机”类别为874个、以及“飞机”共有4559个注释框，总共32294个目标。所有图像的分辨率均达到了清晰标准，并且经过了增强处理以提高模型泛化能力。标签形状采用矩形框的形式，这种形式广泛应用于大多数的目标检测任务中，有助于算法更有效地学习物体边界特征。这份飞行物数据集为研究和开发高级别的目标检测系统提供了宝贵的资源支持。通过使用这个数据集，研究人员可以训练并评估面向实际应用（如飞行器避障、安全监控等）的模型性能。

【目标检测数据集】1000张工具扳手VOC+YOLO格式图片.zip

优质

本资源提供包含1000张不同工具扳手图像的数据集，标注了VOC及YOLO格式文件，适用于目标检测模型训练与测试。数据集格式采用Pascal VOC与YOLO两种格式结合的方式（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。图片总数为1003张，相应的标注数量也是1003个。唯一的标注类别是“banshou”，共有2097个此类别的框标记。

是否确定退出登录?

VOC格式的条码目标检测数据集含15442张图片

全部评论 (0)