Advertisement

HRSC2016遥感舰船数据的Yolov5格式版本

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

简介：
本数据集为HRSC2016遥感舰船图像转换成YOLOv5训练格式，适用于目标检测任务，促进海上目标识别研究。 近期打算使用Yolov5来检测舰船数据，并对HRSC2016数据集的格式进行了调整。我采用了原数据集中训练集与验证集的数据，将图片文件格式转换为jpg，从xml标签中提取所需信息并改为了txt格式。同时制作了两组符合Yolov5要求的数据：一组是按照原有的三级分类划分，共有31个类别；另一组则是按二级分类进行整理，总共包含5个类别。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • HRSC2016遥感舰船数据的Yolov5格式版本
    优质
    本数据集为HRSC2016遥感舰船图像转换成YOLOv5训练格式，适用于目标检测任务，促进海上目标识别研究。 近期打算使用Yolov5来检测舰船数据，并对HRSC2016数据集的格式进行了调整。我采用了原数据集中训练集与验证集的数据，将图片文件格式转换为jpg，从xml标签中提取所需信息并改为了txt格式。同时制作了两组符合Yolov5要求的数据：一组是按照原有的三级分类划分，共有31个类别；另一组则是按二级分类进行整理，总共包含5个类别。
     
  • SSDD舰船遥感数据集（YOLO）
    优质
    简介：SSDD舰船遥感数据集（YOLO）是一个专为海上目标检测设计的大规模标注数据库，适用于训练和评估先进的船舶识别算法。 SSDD遥感舰船数据集（YOLO）
     
  • SAR遥感影像中的舰船数据集
    优质
    本数据集包含大量SAR遥感影像中舰船图像，旨在支持船舶自动识别研究，促进海洋监测与管理领域的技术进步。 数据集已经按照6:2:2的比例随机划分好，并且分别采用了YOLO格式和XML格式。
     
  • 舰船检测卫星遥感数据集（VOC+YOLO格式），含2238张图片，17个类别，压缩包为7z格式
    优质
    本数据集包含2238张舰船检测图片，采用VOC与YOLO双格式标注，涵盖17种类别，旨在促进遥感图像分析研究。以7z格式压缩便于下载及存储。 数据集格式为Pascal VOC与YOLO格式（不含分割路径的txt文件），只包含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：2238张 标注数量(xml及txt文件个数)：各2238份 标注类别总数：17类 具体类别名称包括：“Aircraft Carrier”、“Auxiliary Ships”、“Cargo”、“Commander”、“Container Ship”、“Cruiser”、“Destroyer”、“Dock”、“Frigate”、“Hovercraft”、“Landing”、“Oil Tanker”、“Other Ship”，“Other Warship”，“RoRo”，“Submarine”，及“Yacht”。
     
  • TIF格式遥感数据.zip
    优质
    本资料包包含多种类型的TIF格式遥感影像数据，适用于地理信息分析、环境监测和城市规划等多个领域。 TIF遥感数据文件用于学习Python处理遥感图像的测试学习数据。
     
  • 船舶数据集2007年版 7000张图片 voc格式转yolov5格式
    优质
    本数据集包含2007年拍摄的7000张船舶图像，原为VOC格式，现已转换为YOLOv5格式，适用于目标检测模型训练与测试。 将船舶数据集2007年的7000张图片从VOC格式转换为YOLOv5格式。
     
  • 基于Yolov5的舰船检测模型及数千张标注数据集
    优质
    本研究提出了一种基于YOLOv5的先进舰船检测模型，并构建了包含数千张图像的高质量标注数据集，显著提升了海上目标识别精度与效率。 使用YOLOv5进行船只检测的项目包含训练好的各种类型船只的权重以及PR曲线、loss曲线等数据，并且有几千种不同类型的船只的数据集，标签格式为txt和xml两种文件形式。这些数据被分为舰艇、游轮、帆船、军舰等多个类别，并分别保存在不同的文件夹中。 该项目采用PyTorch框架，使用Python代码编写。可以与YOLOv5共用一个环境，在配置好环境后可以直接加载已经训练好的模型进行测试并得出结果。
     
  • YOLOv5舰船检测模型及数千张标注数据集+PyQt界面
    优质
    本项目提供基于YOLOv5的高效船舶检测解决方案，并附带包含数千张图像的数据集。此外，还配备有用户友好的PyQt图形界面，便于操作与分析。 Yolov5船只检测项目包含训练好的各种类型船只的检测权重以及PR曲线、loss曲线等等，模型在验证集上的mAP值达到90%以上，并附有几千种不同类型的船只数据集，标签格式为txt和xml两种文件格式，涵盖了舰艇、游轮、帆船、军舰等多个类别。这些数据被分别保存于两个不同的文件夹中。 该项目采用pytorch框架并使用Python编写代码，在配置好环境后可以加载已经训练好的模型直接进行测试以得出结果。 此外，项目还提供了一个基于PyQt的用户界面，支持检测图片、视频以及调用摄像头等功能，并且有相应的选择项供用户操作。