Advertisement

目标检测与HRSID遥感技术应用于船只识别+5604张数据集+涵盖13类物体检测(当前展示为单一类别ship)

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


简介:
本项目聚焦于利用目标检测和HRSID(高分辨率空间成像)遥感技术,开发船只识别系统。采用包含5604张图像的数据集进行训练与验证,覆盖包括船只在内的13类物体检测需求,并在此展示单一类别“ship”的应用成果。 遥感数据集非常适合初学者入门学习。HRSID 数据集中共有 13 种类别:飞机、棒球场、篮球场、桥梁、十字路口、田径场、港口、停车场、船(ship)、存储罐、丁字路口、网球场和汽车,但上传的数据仅包含“船”这一类别的样本。 该数据库的一个显著特点是各类别之间的样本数量较为均衡。对于一般的目标检测任务来说,数据集通常需要至少有数千甚至上万的样本量才能取得较好的效果。目前上传的是原版 5604 张图像及其对应的标签文件,并且一一对应。 如果需要对任意数据集进行扩充或定制化处理,请与我联系,我可以提供相应服务及付费咨询选项。增强方法可以包括但不限于模糊、亮度调整、裁剪、旋转、平移和镜像等变化,或者采用基于深度学习的 SRGAN 增强技术等方式。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • HRSID+5604+13(ship)
    优质
    本项目聚焦于利用目标检测和HRSID(高分辨率空间成像)遥感技术,开发船只识别系统。采用包含5604张图像的数据集进行训练与验证,覆盖包括船只在内的13类物体检测需求,并在此展示单一类别“ship”的应用成果。 遥感数据集非常适合初学者入门学习。HRSID 数据集中共有 13 种类别:飞机、棒球场、篮球场、桥梁、十字路口、田径场、港口、停车场、船(ship)、存储罐、丁字路口、网球场和汽车,但上传的数据仅包含“船”这一类别的样本。 该数据库的一个显著特点是各类别之间的样本数量较为均衡。对于一般的目标检测任务来说,数据集通常需要至少有数千甚至上万的样本量才能取得较好的效果。目前上传的是原版 5604 张图像及其对应的标签文件,并且一一对应。 如果需要对任意数据集进行扩充或定制化处理,请与我联系,我可以提供相应服务及付费咨询选项。增强方法可以包括但不限于模糊、亮度调整、裁剪、旋转、平移和镜像等变化,或者采用基于深度学习的 SRGAN 增强技术等方式。
  • YOLOHRSID已完成注,可直接(含5604图片及对注XML文件).rar
    优质
    本资源包含5604张图像及其对应的标注XML文件,适用于YOLO目标检测模型和HRSID遥感识别任务,便于研究者快速开展相关实验。 资源内容包括YOLO目标检测与HRSID遥感检测数据集,内含5604张图像及其对应的已标注xml文件。 代码特点:采用参数化编程方式,便于更改参数;编程思路清晰,并配有详细注释。 适用对象为计算机、电子信息工程和数学等专业的大专学生,在课程设计、期末大作业及毕业设计中均可使用。 作者是一位资深算法工程师,拥有十年在Matlab、Python、C/C++和Java等领域从事YOLO算法仿真的经验。擅长领域包括但不限于:计算机视觉,目标检测模型,智能优化算法,神经网络预测,信号处理,元胞自动机,图像处理及智能控制等,并乐意与他人交流学习。
  • SSDD的(含1160图像及签,针对
    优质
    本数据集为遥感目标检测设计,包含1160幅图像及其标注信息,专注于某一特定类别的对象识别,采用自动生成数据策略扩充训练样本。 遥感数据集为初学者提供了方便的入门学习资源。SSDD是一个开放的目标检测数据集,用于在遥感图像中进行目标检测。该数据集中仅包含船这一类别的对象,并以PASCAL VOC格式标注。虽然一般情况下目标检测的数据集至少需要有数千甚至上万张图片才能取得较好的效果,但这个数据集包含了1160张图片及其对应的标签。 如果您希望对该数据集进行扩充或定制,请直接私信我咨询相关事宜。可以采用多种方法来增强和扩展该数据集,例如使用模糊处理、调整亮度、裁剪图像、旋转和平移操作以及镜像变换等传统技术,或者利用基于深度学习的SRGAN增强等方式实现更高级的数据增广。
  • 】鱼2798图片,31(VOC+YOLO格式).zip
    优质
    本数据集包含2798张鱼类图像,适用于目标检测任务,涵盖了31种不同的鱼类类别,并提供VOC和YOLO两种格式的标注文件。 数据集格式:VOC格式+YOLO格式 图片数量(jpg文件个数):2798 标注数量(xml文件个数):2798 标注数量(txt文件个数):2798 标注类别数:31 标注类别名称:Bangus、Big Head Carp、Black Spotted Barb、Catfish、Climbing Perch、Fourfinger Threadfish、Freshwater Eel、Glass Perchlet、Goby、Gold Fish、Gourami、Grass Carp、Green Spotted Puffer、Indian Carp、Indo-Pacific Tarpon, Jagua
  • 运动__运动_运动_图像_
    优质
    本研究聚焦于运动物体的目标检测与识别技术,涵盖目标检测算法及图像处理方法,旨在提升对动态场景中特定对象的精准定位和分类能力。 实现目标检测的代码示例视频可以运行。
  • 电气影像中的电塔等四大,附带签)
    优质
    本数据集专为电气遥感影像设计,包含电塔、变电站、输电线及小区四大类目标,每项均配有精准标注,助力深度学习领域内目标识别研究。 电气遥感影像目标检测图像数据集包括电塔、光伏等四类目标,并附有标签。
  • RSOD结合:包含936图像及签的四
    优质
    本研究构建了一个包含936张图像和详细标注的四类数据集,旨在探索目标检测技术在RSOD(远程 sensing object detection)中的应用潜力。 遥感数据集为初学者提供了方便的学习资源。RSOD是一个开放的目标检测数据集,专门用于在遥感图像中进行目标检测任务。该数据集中包含飞机、油箱、运动场及立交桥等对象,并以PASCAL VOC格式进行了标注。 数据库的一个显著特点是各类别之间的样本数量较为均衡。一般而言,为了获得较好的效果,目标检测的数据集通常需要至少达到数千甚至上万的数量级。目前上传的是936张数据集图片及其对应的标签文件。 对于希望进一步扩展和增强现有数据集的用户来说,可以通过多种方法实现这一目的,如使用模糊处理、亮度调整、裁剪、旋转、平移或镜像等图像变换技术;或者采用基于深度学习的方法(例如SRGAN)进行增强。如有定制需求或其他相关咨询问题,请直接通过平台私信联系。
  • 》路面杂
    优质
    该数据集专注于路面杂物识别的目标检测任务,包含大量标注图像和注释信息,旨在提升自动驾驶系统对路面障碍物的感知能力。 YOLO与VOC格式的路面垃圾识别数据集适用于YOLO系列、Faster R-CNN、SSD等多种模型训练。该数据集中包含17个类别:塑料瓶、口罩、纸袋、塑料杯、纸质杯、硬纸板、果皮、罐子(金属或玻璃)、塑料包装膜、硬纸板容器、泡沫聚苯乙烯盒(Styrofoam)、四面体牛奶盒(Tetra Pack)、彩色玻璃瓶、塑料袋、抹布和落叶堆。数据集包含7537张图片,并且已经将这些图片及其对应的txt标签划分为训练集、验证集和测试集,可以直接用于YOLO算法的训练。
  • 》快递
    优质
    本数据集专为快递物品识别设计,包含大量标注图像,涵盖多种常见快递商品类型,适用于训练和评估物体检测模型。 YOLO与VOC格式的快递识别数据集适用于YOLO系列、Faster R-CNN、SSD等多种模型训练,包含5382张图片。文件中包括图片、txt标签以及指定类别信息的yaml文件和xml标签,并已将数据划分为训练集、验证集和测试集,可以直接用于YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9及后续版本等系列算法的训练。