Advertisement

交通违规行为检测数据集，采用VOC和YOLO格式，包含4662张图片，涵盖7个类别。

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

简介：
样本图可参考博客资源详情页面：blog..net/2403_88102872/article/details/143381249。由于文件体积较大，已部署至服务器，请您先访问资源详情页面进行预览并下载。 以下列出交通违规行为的详细分类，包括：Crossing_Violation（越线违规）、Crosswalk_Violation（人行道违规）、Helmet_Violation（未佩戴头盔违规）、Normal（正常行为）、Passenger_Violation（乘客违规）、Pedestrian_Violation（行人违规）以及Trafficlight_Violation（交通信号灯违规）。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 猫行为检测数据集采用VOC与YOLO格式，包含5997张图片，共五个类别
    优质
    该资源为[数据集][目标检测]形式的“猫的行为识别”数据集，采用VOC与YOLO融合的格式，包含5,997张图片，涵盖5个分类类别。
  • 学生课堂行为检测数据集（VOC+YOLO格式），含5622张图片，7个类别.7z
    优质
    本数据集包含5622张图像，采用VOC及YOLO格式标注，涵盖学生课堂上的七种典型行为，旨在促进课堂教学行为分析研究。 数据集格式为Pascal VOC与YOLO格式（不含分割路径的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：5622张 标注数量：5622个（包括xml文件和txt文件） 标注类别数：7类 标注类别名称：“dk”、“dx”、“js”、“tt”、“xt”、“zl”、“zt”。
  • 轮毂缺陷检测数据集（VOC+YOLO格式，含1445张图片，7个类别）.zip
    优质
    本数据集包含1445张图片及对应的标注文件，适用于轮毂缺陷检测任务。采用VOC和YOLO两种格式，涵盖7种类别，方便用户根据需求选择使用。 样本图展示如下： 文件存放于服务器，请务必在电脑端查看资源详情后再进行下载。 数据集格式为Pascal VOC与YOLO格式（不包含分割路径的txt文件，仅包括jpg图片及其对应的VOC格式xml文件和yolo格式txt文件）。 图片数量：1445张 标注数量(xml)：1445个 标注数量(txt)：1445个 标注类别总数为7类： - Blue hole - Brake Thermal Cracks - Contact Fatigue Cracks - Out Of Roundness - Peeling - Rollerpile - flat
  • 道路交通拥堵检测数据集（VOC+YOLO格式，含1899张图片，1个类别）.zip
    优质
    该数据集包含1899张图像，旨在通过VOC和YOLO格式提供交通拥堵状况的数据支持，便于模型训练与评估。专注于单一类别检测，助力智能交通系统研究与发展。 样本图：请到服务器下载文件（务必使用电脑端资源详情查看并下载） 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）：1899 标注数量（xml文件个数）：1899 标注数量（txt文件个数）：1899 标注类别数：1 标注类别名称：[crowd] 每个类别标注的框数： - crowd 框数 = 2273 总框数：2273 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：本数据集不对训练模型或权重文件精度作任何保证，仅提供准确且合理的标注。
  • 考场作弊行为检测数据集（VOC+YOLO格式，含4413张图片，4个类别）.7z
    优质
    本数据集包含4413张图像，用于识别考试中的作弊行为，采用VOC和YOLO格式标注，涵盖4种类别，适用于训练检测模型。 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)：4413 标注数量(xml文件个数)：4413 标注数量(txt文件个数)：4413 标注类别数：4 标注类别名称:[Cheatcode,Cheating,NonCheating,mobiledetrction] 每个类别标注的框数： - Cheatcode 框数 = 428 - Cheating 框数 = 8730 - NonCheating 框数 = 4022 - mobiledetrction 框数 = 3611 总框数：16791 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。
  • 铁路智慧交通异物入侵检测数据集（VOC+YOLO格式，含802张图片，7个类别）.7z
    优质
    这是一个包含802张图像的数据集，旨在用于开发和测试铁路智慧交通中的异物侵入检测系统。数据集采用VOC及YOLO格式，并涵盖7种类别，有助于提升模型在复杂环境下的准确性和鲁棒性。 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 格式的 xml 文件和 YOLO 格式的 txt 文件） 图片数量 (jpg 文件个数) ：802 标注数量 (xml 文件个数)：802 标注数量 (txt 文件个数): 802 标注类别总数:7 标注类别名称: - Train - bucket - motorbike - person - stone - vehicle - wood 每个类别的标注框的数量： Train 框数 = 242 bucket 框数 = 95 motorbike 框数 = 32 person 框数 = 822 stone 框数 = 193 vehicle 框数 = 299 wood 框数 = 84 总框数量:1767 使用标注工具：labelImg 标注规则：对类别进行矩形框标记。 重要说明：异物包括检测人、石头、木头、车和摩托车等。
  • 铁路智慧交通异物入侵检测数据集（VOC+YOLO格式，含802张图片，7个类别）.7z
    优质
    本数据集包含802张图像和7种类别标签，以VOC及YOLO格式提供，旨在用于铁路智慧交通异物入侵检测系统的训练与测试。 数据集格式：Pascal VOC格式+YOLO格式（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)：802 标注数量(xml文件个数)：802 标注数量(txt文件个数)：802 标注类别数：7 标注类别名称： - Train - bucket - motorbike - person - stone - vehicle - wood 每个类别标注的框数： Train 框数 = 242 bucket 框数 = 95 motorbike 框数 = 32 person 框数 = 822 stone 框数 = 193 vehicle 框数 = 299 wood 框数 = 84 总框数：1767 使用标注工具：labelImg 标注规则：对类别进行画矩形框。 重要说明：异物包括检测人、石头、木头、车和摩托车等。
  • 昆虫识别数据集（VOC+YOLO格式），含1873张图片，7个类别.7z
    优质
    本数据集包含1873张图像和七个不同的昆虫类别，采用VOC与YOLO兼容格式，适用于昆虫识别任务的模型训练和验证。 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）：1873 标注数量（xml 文件个数）：1873 标注数量（txt 文件个数）：1873 标注类别数目：7 标注类别名称：Boerner, Leconte, Linnaeus, acuminatus, armandi, coleoptera, 和linnaeus 每个类别的标注框数： - Boerner 框数 = 1859 - Leconte 框数 = 2711 - Linnaeus 框数 = 1046 - acuminatus 框数 = 1130 - armandi 框数 = 1932 - coleoptera 框数 = 2163 - linnaeus 框数 = 907 总框数：11748 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。
  • 拐杖检测数据集(VOC+YOLO格式，含2778张图片，1个类别).7z
    优质
    本数据集包含2778张图片，标注了单一物体类别——拐杖的数据，采用VOC及YOLO两种格式，适用于目标检测模型训练与测试。 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）：2778 标注数量（xml文件个数）：2778 标注数量（txt文件个数）：2778 标注类别数：1 标注类别名称：[whitecane] 每个类别标注的框数： - whitecane 框数 = 4635 总框数：4635 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：视频采集截图图片，场景类似，请参考相关博文。