Advertisement

yolov5算法香烟纸盒和包装盒数据集151张带标签的图片香烟包装.zip

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


简介:
该Yolo系列算法基于目标检测构建了annotated数据集,其中包含标注信息。该数据集支持直接对模型进行训练与评估,并已预先划分好验证与测试集。在适用性方面,该数据集完全兼容yolov5、yolov8、yolov9等主流版本的算法需求。 此外,该数据集采用双标签格式:一种是Yolo annotation (TXT files),另一种为Pascal VOC annotation (XML files)。两种格式分别存储于两个独立的文件夹中。 对于Yolo annotation(TXT文件)而言: - 表示目标类别索引(从0开始计数)。 - 是目标框中心点的坐标,位于图像宽度与高度的比例区间内(0至1之间)。 - 为目标框的实际尺寸大小,同样基于图像比例进行表示。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 含1800,附
    优质
    这是一个包含了1800张图片的烟雾图像数据集,并且每一张图片都带有详细的标注信息,便于研究和识别。 带标注的XML文件可以直接用于Yolov3。
  • 药品(1032,VOC+YOLO格式).rar
    优质
    本数据集包含1032张药品包装图像,采用VOC和YOLO两种标注格式,适用于训练目标检测模型识别药品包装上的关键信息。 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):1032 标注数量(xml文件个数):1032 标注数量(txt文件个数):1032 标注类别数:1 标注类别名称:[box] 每个类别标注的框数: box 框数 = 1468 总框数:1468 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。
  • 瑕疵检测VOC+YOLO格式含1972类别.zip
    优质
    该数据集包含197张图片和两个类别的标注信息,采用VOC与YOLO兼容格式,适用于训练和评估香烟瑕疵检测模型。 数据集格式:Pascal VOC格式+YOLO格式(不含分割路径的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):197 标注数量(xml文件个数):197 标注数量(txt文件个数):197 标注类别数:2 标注类别名称:[kongtou, yiwu] 每个类别标注的框数: - kongtou 框数 = 100 - yiwu 框数 = 97 总框数:197 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:暂无 特别声明:本数据集不对训练的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。
  • 含Yolov8火灾检测,能区分火与雾,共9332
    优质
    本数据集包含了9332张图像,专门用于训练基于Yolov8的火灾检测模型,能够有效地区分烟火和烟雾,提升火灾预防系统的准确性。 带yolov8标记的火灾检测数据集,能够区分烟火火焰和烟雾,包含9332张图片。
  • 雾与火灾检测含2059)+ YOLOv5模型应用+操作指南
    优质
    本资源提供一个全面的烟雾与火灾图像数据集,内含2059张标记图片,并结合YOLOv5模型进行物体检测。附带详尽的操作指南以帮助用户快速上手使用。 烟火检测数据集包括多种场景类型:大火与小火、建筑起火、草原起火、森林起火以及车辆(汽车、卡车、摩托车、电动车)起火;白天或黑夜的火灾,室内及室外火灾。烟雾检测的数据集情况与此相同。 该数据集按照Pascal VOC格式组织: - VOC2020 - Annotations (xml文件数量:2059) - ImageSets - JPEGImages (图像数量:2059) 标签名称为 fire。 解压压缩文件的命令如下(适用于Windows或Linux系统的Git Bash,或者使用7zip): - tar -xzvf ***.tar (对于Windows系统可以使用Git Bash) - 对于Windows系统也可以用7zip打开,360zip可能需要解压两次。 将VOC格式转换成YOLO格式的方法是调用yolov4 -> scripts -> voc_label.py。
  • ,适用于Yolo目检测训练
    优质
    这是一个专门用于训练YOLO(You Only Look Once)模型进行物体检测任务的数据集,包含大量标记清楚的香烟图像。 标注好的香烟数据集,用于YOLO目标检测训练。
  • 破损检测YOLOV5格式,含6类及训练/验证
    优质
    这是一个专为YOLOv5设计的香烟破损检测数据集,包含六种类别标签和独立的训练、验证数据子集,适用于图像识别与缺陷检测任务。 项目包含香烟破损检测的数据集(6个类别),包括训练集与验证集,并按照YOLOV5文件夹结构保存,可直接用于目标检测任务而无需额外处理。 图像分辨率为3024*4032的大尺度RGB图片,数据集中包含了各种香烟破损缺陷的样本。该数据集分为六个类别:头部破损、滤嘴破损等六类。 【数据集介绍】 - 数据总大小为388MB(训练集和验证集分开) - 训练集包含320张图像及对应的标签txt文件 - 验证集中有80张图像及其相应的标签txt文件 为了便于查看,提供了一个可视化py脚本。该脚本能随机选取一张图片并绘制边界框,并将结果保存在当前目录下。此脚本无需修改即可直接运行。
  • Yolov5火灾雾检测用含6940
    优质
    本数据集专为基于YOLOv5的火灾烟雾检测设计,包含6940张高质量图像,旨在提升模型在复杂场景下的识别精度和效率。 火灾烟雾检测数据集包含了用于训练机器学习模型的数据,这些模型能够识别并响应早期的火灾迹象。这类数据对于开发有效的安全系统至关重要。
  • Yolov5识别 - Yolov5检测.zip 文件
    优质
    本文件包含用于训练和评估YOLOv5模型在检测图像中吸烟行为的数据集。内含标注清晰的图片及对应的XML格式注释,适用于研究与开发项目。 Yolov5吸烟检测数据集是一种专门用于训练和测试Yolov5模型的数据集合,其目标是识别并检测图像中的吸烟行为。该数据集中包含了大量不同场景的图像样本,包括室内、室外以及人群聚集的地方等多样的环境。每个图片都详细地标注了边界框与类别标签,以便于机器学习算法精确地区分出哪些物体或活动属于吸烟行为。这些边界框不仅指明了目标的位置和大小信息,还通过类标明确指出这是吸烟相关的图像内容。 利用Yolov5模型配合此数据集进行训练后,可以生成一个高度准确的吸烟检测系统,在实际应用中能够迅速定位并识别出图片中的吸烟动作。这在监控场所、公共空间以及安全领域具有重要意义,因为它能帮助监管人员及时发现违规行为,并采取相应措施来保护环境和保障公众健康。 总之,Yolov5吸烟检测数据集是一个重要的资源库,它支持开发者创建高效的实时吸烟监测系统,从而有效应对公共场所中的相关挑战。