Advertisement

基于无人机的飞鸟检测数据集[源码

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


简介:
该资源库提供了一组多类空中目标的检测数据集(无人机、鸟类及飞机),其中包含共计4,718张图片(分辨率为640×640像素),其格式包括Pascal VOC与YOLO两种标准格式。经过分类处理后发现,在此数据集中共有四个主要类别:飞机、鸟类、无人机以及直升机。累计标注了5,097个框(每个框对应一个类别标签)。为了便于后续处理分析工作,默认情况下已将所有图像统一为640×640像素分辨率,并采用了labelImg工具进行目标定位与标记操作。 该资源库专注于为空中飞行器与鸟类的检测任务提供支持,并采用了矩形边界框标记法进行注释工作。其中Pascal VOC格式主要用于图像分割、目标检测及图像分类任务;而YOLO格式则常用于直接的目标检测算法中。 在本资源库中所涉及的具体分类对象包括:飞机(aircraft)、鸟类(birds)、无人机(unmanned aerial vehicles)以及直升机(helicopters)。为了提高效率与准确性,在完成所有注释工作后系统会自动生成统计信息以供后续分析研究使用。 值得注意的是,在此资源库中所涉及的具体应用场景主要面向软件开发相关领域,并非直接面向公众使用;而该资源包的主要

全部评论 (0)

还没有任何评论哟~
客服
客服
  • Yolov8类和细分类型训练模型+
    优质
    本项目提供基于YOLOv8的深度学习模型及专用数据集,旨在实现对飞机、各类鸟类与无人机的精确识别与分类,适用于智能监控、生态保护等领域。 本数据集用于训练yolov8细分类型飞机、鸟类及无人机检测模型,包含超过1万张图片的数据集,并已按Yolo格式(txt文件)标注好标签,划分成train、val和test三个部分,附有data.yaml配置文件。该数据集支持直接使用yolov5、yolov7和yolov8等算法进行训练模型操作,能够区分具体飞机型号。 关于数据集的具体内容及检测结果的参考,请参阅相关博客文章。
  • YOLOv7及预训练模型+
    优质
    本项目提供YOLOv7深度学习框架下的鸟类检测代码与预训练模型,并包含用于训练和测试的高质量飞鸟图像数据集。 提供了一个使用YOLOV7训练的飞鸟检测模型,包括一个已经训练好的模型以及包含近1000张标注好的鸟类数据集。这些数据集中标签格式为xml和txt两种,类别名为bird。此外,还提供了数据集和检测结果作为参考。 注意:原文中的具体链接地址已被移除。
  • 含3300条
    优质
    本数据集包含3300条记录,专注于飞鸟种类识别与行为分析,适用于图像分类、物种多样性研究及生态保护领域。 该数据集是从COCO2017数据集中提取的飞鸟检测数据,并转换成了txt和xml两种格式的标签,适用于YOLO等算法进行飞鸟检测;目标类别名为bird;数量为3362。
  • YOLOv5及训练完成模型和标记
    优质
    本项目提供YOLOv5框架下的飞鸟检测源码、预训练模型以及标注数据集,便于用户快速部署与二次开发。 YOLOV5训练好的飞鸟检测模型包括两个训练好的模型:YOLOv5s-bird.pt 和 YOLOv5m-bird.pt,并包含近1000张标注好的鸟类数据集,标签格式为xml和txt两种,类别名为bird。此外还有一个一万张以上的飞鸟数据集。 采用pytorch框架,代码是python的编写。
  • Faster-RCNN及bird_dataset.rar
    优质
    本资源包含基于Faster-RCNN模型的鸟类检测代码以及专为该模型训练定制的bird_dataset飞鸟数据集。适用于深度学习研究和应用开发。 VOC鸟类检测数据集包含1万多张图片,标签格式为xml和txt两种,类别名为bird。该数据集可以直接用于SSD、YOLOv3、Faster-RCNN等目标检测模型的训练与测试。
  • (VOC+YOLO格式,含6647张图片,2个类别).7z
    优质
    本数据集包含6647张图像,用于训练和测试无人机与飞鸟识别模型。采用VOC及YOLO格式标注,涵盖两个分类目标,适用于开发高效的鸟类监测系统。 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):6647 标注数量(xml文件个数):6647 标注数量(txt文件个数):6647 标注类别数:2 标注类别名称:[Bird, Drone] 每个类别标注的框数: - Bird 框数 = 3567 - Drone 框数 = 4290 总框数:7857 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。
  • YOLOv10红外微小、直升目标模型权重+4000+使用教程
    优质
    本资源提供YOLOv10针对红外图像中的微型无人机、直升机、飞机和飞鸟等目标的先进检测模型,包含4000条记录的数据集与详尽的使用指南。 训练好的YOLOv10模型用于检测红外微小无人机、直升机、飞机及飞鸟目标,基于包含4000多张图片的数据集进行训练。数据集已按yolo格式(txt)标注,并划分成train、val和test三个部分,同时附有data.yaml配置文件以支持YOLOv5、YOLOv7和YOLOv8等算法直接使用。 数据集中包含的类别包括飞机、鸟类、无人机及直升机,这些类别的名称已经在data.yaml中定义如下: nc: 4 names: [Airplane, Bird, Drone, Helicopter]
  • 微小Yolo红外目标
    优质
    微小飞鸟的Yolo红外目标检测数据集是由一系列高分辨率的红外图像构成的专业数据库,旨在提升对小型鸟类在复杂背景下的自动识别与追踪技术。此数据集为研究人员提供了一个独特的平台,用以开发和评估先进的目标检测算法,在生态保护、环境监测等领域具有重要应用价值。 几百张YOLO红外微小飞鸟目标检测数据集已经配置好目录结构,并且包含Yolo格式(txt)的标签文件以及train、val、test三个子集划分。此外,还附有data.yaml文件,使得使用YOLOv5、YOLOv7或YOLOv8等算法可以直接进行模型训练。 数据集和检测结果可以参考相关文献。具体的数据集配置目录结构如下: nc: 1 names: [bird]
  • 遥感航拍目标
    优质
    本数据集采用遥感航拍技术收集,专注于识别和分类各种类型飞机的目标检测,为图像处理与机器学习研究提供宝贵资源。 YOLO与VOC格式的遥感航拍飞机识别数据集适用于包括YOLO系列、Faster R-CNN 和 SSD 等在内的多种目标检测模型训练。该数据集包含2398张图片,以及对应的txt标签文件和xml标签,并且已经划分为了训练集、验证集和测试集,可以直接用于YOLOv5至YOLOv10等系列算法的训练。 这个遥感航拍飞机识别数据集是为了深度学习及计算机视觉研究而设计的专业资源。它不仅能够支持YOLO系列模型的训练,还能应用于其他先进的目标检测框架中。为了提升模型训练的有效性和准确性,数据集中已经预先处理为包含不同用途的数据子集格式。 该数据集的核心是通过航拍技术获取的一系列遥感图像,并且这些图像是从广泛的地理区域采集而来。在这一特定的数据集中,所有标注的目标都是飞机,这使得研究者可以专注于某一类目标的检测任务上进行深入的研究工作。每张图片都配有详细的txt和xml格式标签文件来记录飞机的位置信息及类别。 数据集中的txt文件以简单的坐标形式提供了每个图像中标注对象(即飞机)边界框的信息;而xml格式则更为详尽,包含了位置、尺寸以及类别的详细描述,为深度学习模型的训练与验证提供关键输入。此外,还包含一个yaml文件来指定数据集中关于飞机类别信息。 由于数据集的数据量庞大,上传至百度网盘并提供了永久有效的下载链接以方便分享和获取。这使得更多研究者可以无障碍地接触和使用这个丰富的资源库。对于那些对深度学习、计算机视觉、遥感技术及目标检测等有深入研究兴趣的人来说,该数据集是一个宝贵的资料来源。 此数据集不仅提供了一大批高质量的遥感图像素材,还配备了详尽的标注信息,为实现准确高效的飞机识别任务提供了重要支持,并且有助于推动相关领域内的技术创新和进步。