Advertisement

公司员工行为监测数据集(VOC+YOLO格式,含3853张图片,3个类别).zip

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


简介:
本数据集包含3853张图片,采用VOC和YOLO格式标注,涵盖公司员工三种典型行为模式,适用于训练和评估员工行为监测系统。 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)。 数据集格式包括Pascal VOC格式与YOLO格式(不含分割路径的txt文件),仅包含jpg图片、VOC格式xml文件及yolo格式txt文件。 图片数量(以jpg计数)为3853张,标注数量分别对应xml和txt各为3853个。数据集中有三个类别:normal、play与sleep。 各类别的标注框数量如下: - normal 类别框数 = 2761 - play 类别框数 = 736 - sleep 类别框数 = 847 总计矩形框的数量为4344个。使用labelImg工具进行标注,规则是对每个类别画出相应的矩形框。 重要说明:暂无其他特别说明。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • VOC+YOLO38533).zip
    优质
    本数据集包含3853张图片,采用VOC和YOLO格式标注,涵盖公司员工三种典型行为模式,适用于训练和评估员工行为监测系统。 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)。 数据集格式包括Pascal VOC格式与YOLO格式(不含分割路径的txt文件),仅包含jpg图片、VOC格式xml文件及yolo格式txt文件。 图片数量(以jpg计数)为3853张,标注数量分别对应xml和txt各为3853个。数据集中有三个类别:normal、play与sleep。 各类别的标注框数量如下: - normal 类别框数 = 2761 - play 类别框数 = 736 - sleep 类别框数 = 847 总计矩形框的数量为4344个。使用labelImg工具进行标注,规则是对每个类别画出相应的矩形框。 重要说明:暂无其他特别说明。
  • 羊场羊进食与休息VOC+YOLO),96523.7z
    优质
    本数据集包含9652张图片,采用VOC和YOLO格式记录羊在羊场的进食与休息行为,涵盖三个类别,适用于训练监测模型。 数据集格式:Pascal VOC格式+YOLO格式(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):9652 标注数量(xml文件个数):9652 标注数量(txt文件个数):9652 标注类别数:3 标注类别名称:eating、normal、sleeping 每个类别标注的框数: - eating 框数 = 38641 - normal 框数 = 15623 - sleeping 框数 = 6331 总框数:60595 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,仅提供准确且合理标注。
  • VOC+Yolo),107,1.zip
    优质
    本数据集包含107张图像及对应标注文件,涵盖单一目标类别。以VOC与YOLO双格式提供,便于快速集成至各类目标检测项目中使用。 在信息技术领域尤其是计算机视觉方面,数据集具有极其重要的作用。“虾数据集VOC格式+yolo格式107张1类别.zip”包含了一个专为检测虾类设计的图像集合,总计有107幅图片,并且这些图像是按照PASCAL Visual Object Classes(VOC)和You Only Look Once(YOLO)两种不同的标准进行标注。 首先来看一下PASCAL VOC格式。这是一种广泛应用于计算机视觉领域的数据集类型,主要用于物体识别、分割及检测任务。该格式通常包括图像文件、XML注释文档以及类别定义等组成部分。在虾的数据集中,每个图像的XML文件详细记录了虾的位置和种类信息,这对于训练目标检测模型来说至关重要。 接下来是YOLO格式。这是一种实时的目标检测系统,因其高效的性能而受到广泛欢迎。它的标注方式通常为纯文本形式,包含每张图片中所有物体位置及对应的类别标识符。相比于VOC格式的复杂性,这种简洁明了的方式更适合快速处理和应用需求,在虾数据集中同样如此。 训练一个目标识别模型(例如基于YOLO或结合使用PASCAL VOC的数据集)通常涉及以下步骤: 1. 数据预处理:根据特定模型的需求调整图像大小、进行归一化等操作。 2. 训练阶段:利用提供的训练集合(本例中为虾的107张图片),通过迭代优化来改进模型参数,从而提高其对目标对象检测的能力。 3. 验证与调优:使用验证集评估当前模型性能,并根据需要调整超参以进一步提升效果。 4. 测试阶段:最后,在未见过的数据上进行测试,确保所训练出来的模型能够良好地泛化到新的场景中。 尽管该数据集中仅包含一个类别(即虾),这虽然简化了分类任务的复杂度,但同时也可能限制了模型学习更多样化的特征。然而对于特定的应用领域而言,比如自动识别和计数海鲜产品等场合下,这样的单一类别的训练集已经足够实用且高效。 综上所述,“虾数据集VOC格式+yolo格式107张1类别.zip”为研究者们提供了一个宝贵的资源库来开发并测试针对虾的检测算法。无论是出于学术目的还是工业应用考虑,该数据集都能帮助研究人员构建出更加精准、快速的目标识别模型,并应用于诸如海鲜处理或食品安全检查等实际场景中。
  • 智慧地扬尘VOC+YOLO3382,1).zip
    优质
    本数据集包含3382张图片及对应标签,专为智慧工地中的挥发性有机化合物(VOC)检测设计,并以YOLO格式存储,便于模型训练与应用。 样本图:文件过大,请在电脑端资源详情页面查看并下载。 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图片及其对应的VOC格式xml文件和yolo格式txt文件。 图片数量(jpg文件个数):3832 标注数量(xml文件个数):3832 标注数量(txt文件个数):3832 标注类别数目为1,具体名称为“yangchen”。 每个类别的矩形框总数: “yangchen” 类别中的矩形框 = 3832 总矩形框数量:3832 使用工具:labelImg 标注规则:对目标进行矩形标记 重要说明:无特殊要求。 特别声明:本数据集不保证训练模型或权重文件的精度,仅提供准确合理的标签信息。
  • VOC+YOLO的排污口检(4053).zip
    优质
    本数据集包含405张图像和三个排污口相关类别标签,采用VOC与YOLO双格式标注,旨在提升排污口自动化检测效率与精度。 文件较大,请在服务器上下载,并务必查看资源详情后再进行下载。 数据集格式为Pascal VOC与YOLO格式(不含分割路径的txt文件),仅包含jpg图片、VOC格式xml文件及yolo格式txt文件。 - 图片数量:405张(jpg) - 标注数量:810个(xml和txt各405个) - 类别数:3 - EmptyPipe: 矩形框计数 = 100 - SewagePipe: 矩形框计数 = 374 - WaterPipe: 矩形框计数 = 65 总计矩形标注数量为539。 使用工具:labelImg,规则是对每个类别进行矩形框标注。 重要说明:暂无。
  • 齿轮瑕疵检VOC+YOLO),29783.7z
    优质
    本数据集提供了一个包含2978张图片的齿轮瑕疵检测资源库,采用VOC与YOLO双格式标注,涵盖三种不同类型的缺陷。 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):2978 标注数量(xml文件个数):2978 标注数量(txt文件个数):2978 标注类别数:3 标注类别名称:[break, lack, scratch] 每个类别标注的框数: - break 框数 = 1000 - lack 框数 = 980 - scratch 框数 = 4317 总框数:6297 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。
  • 牙齿健康状况检VOC+YOLO27923).zip
    优质
    本数据集包含2792张图像,旨在用于牙齿健康的自动检测与分类,采用VOC和YOLO两种标注格式,并涵盖三类不同的牙齿健康状况。 样本图参考的文件较大,请先查看资源详情并下载。 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(即jpg文件个数):2792 标注数量(xml文件个数):2792 标注数量(txt文件个数):2792 数据集中包含的类别总数为3,具体包括“decaycavity”、earlydecay和healthytooth。这些分别是龋齿、早期龋齿以及健康牙齿。
  • 学生课堂VOC+YOLO),5622,7.7z
    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”。
  • 考场作弊VOC+YOLO4413,4).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。
  • 狗狗(1551,8种YOLO+VOC).zip
    优质
    本数据集包含1551张关于狗狗行为的图像,涵盖八种不同的类别标签。以YOLO和VOC两种格式提供,适用于训练机器学习模型识别和分类不同情境下的狗的行为模式。 数据集格式:VOC格式+YOLO格式 压缩包内包含三个文件夹: 1. 存储图片的JPEGImages文件夹,总计有1551张jpg图片。 2. 用于存储标注信息的Annotations文件夹,其中xml文件总数为1551个。 3. labels文件夹中存放目标检测用的txt格式标签数据,共计包含1551个文本段落件。 该数据集涵盖8种不同的类别: - bark - default - eat - lyingDown - lyingProne - sit - sleep - stand 各类别对应的标注框数量分别为:bark(168),default(211),eat(208),lyingDown (240), lyingProne (148),sit(154), sleep(253) 和stand(231),总计有 1613个标注框。 图片的清晰度良好,分辨率较高。数据集中未进行任何增强处理以保持原始信息的真实性和完整性。 标签形状为矩形框形式,用于目标检测任务中的物体识别部分。 重要说明:无 特别声明:本数据集不提供关于训练模型或权重文件精度方面的保证,仅确保所提供的标注准确且合理。