Advertisement

YOLO目标检测猫狗数据集（Yolo格式） 2435张！

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

简介：
分类信息：names包含[猫, 狗]获取YOLO项目的资源包后，在安装环境中进行解压操作。在项目根目录下的data文件夹中，依次创建Annotations、images、imageSets和labels这几个子文件夹。通过手动操作将XML格式的标注文件添加至Annotations目录，并将所有JPG图片及其相关数据放入images目录下。yolo格式文件转xml文件的脚本可以通过私聊博主以获得帮助，或者自己查找相关资源获取源码进行编辑。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 宠物猫狗识别数据集3947张-含XML与YOLO标签格式
    优质
    本数据集包含超过3900张图片，涵盖各类常见的宠物猫和狗，每张图片均配有XML及YOLO格式标注文件，适用于物体检测模型训练与评估。 【数据集说明】 该数据集适用于常见的深度学习目标检测算法，包含3947张图片以及VOC和YOLO格式的标签文件。猫狗图像种类丰富、标注准确，可以用于训练高质量的目标识别模型。 资源质量上乘，适合科研、教学及实际项目应用，请放心下载使用！ 【重要提醒】 1. 数据集会不定期更新优化； 2. 通过第三方平台代为下载时请注意风险，博主不对非官方渠道下载的资源提供任何形式的技术支持或答疑。
  • 电线杆目标检测数据集(YOLO+VOC格式) 2127张.zip
    优质
    本数据集包含2127张图像及其标注文件，适用于YOLO和VOC格式的目标检测任务，专注于识别与分类电线杆。 数据集格式：VOC格式+YOLO格式 压缩包内包含三个文件夹： - JPEGImages 文件夹存储图片（jpg 格式），共 2127 张。 - Annotations 文件夹存放 xml 文件，共计 2127 个。 - labels 文件夹中则有 txt 文件，数量为 2127。 标签种类：单一类别 名称：[telegraph pole] 各类别框数： telegraph pole 的标注框共有 2700 个 总标注框计数：2700 图片质量与分辨率： - 清晰度良好，像素清晰。 - 图片未经过增强处理。 标签类型： 矩形框形式用于目标检测任务。 备注说明：暂无特别需要强调的内容。 特别声明：本数据集不对训练模型或权重文件的精度提供任何保证，所提供的仅是准确且合理的标注信息。
  • 【目标检测数据集】跨越栏杆检测数据集512张VOC+YOLO格式.zip
    优质
    本数据集包含512张图片，旨在帮助训练和测试物体检测模型在复杂场景中准确识别并定位跨越栏杆的行为。以VOC与YOLO两种格式提供，便于多种框架使用。 数据集格式：Pascal VOC格式与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）：512 标注数量（xml文件个数）：512 标注数量（txt文件个数）：512 标注类别数：1 标注类别名称：[climbing] 每个类别的标注框数： climbing 框数 = 599 总框数：599 使用标注工具：labelImg
  • 猫狗检测与识别的YOLO数据集
    优质
    本数据集专为训练和评估基于YOLO的目标检测模型而设计，聚焦于精准地识别图像中的猫和狗，促进宠物分类研究。 YOLO猫狗检测数据集包含1000多张高质量的jpg格式图片，使用lableimg标注软件进行标注，并且标签有两种格式：VOC（xml）和yolo（txt）。这些数据可以直接用于YOLO系列算法的目标检测任务中。 具体信息如下： - 数据量：3500多张 - 类别：猫、狗 - 标签格式：两种，分别为txt和xml 该数据集可以被直接应用到YOLO目标检测模型的训练过程中。
  • 【目标检测数据集】垃圾分类YOLO+VOC格式8341张.zip
    优质
    本数据集包含8341张图片，采用YOLO和VOC格式标注，适用于训练和测试垃圾分类的目标检测模型。 数据集介绍：该数据集包含各种垃圾图片分类检测的标注信息，主要针对五种不同材质类型的垃圾分类，包括纸盒类、玻璃类、金属类、纸质类以及塑料类。 数据集格式：采用VOC与YOLO两种标准格式存储。 压缩包内容： - JPEGImages文件夹中包含了8341张jpg图片。 - Annotations文件夹内有对应的xml标注文件共8341份。 - labels文件夹则存放了用于目标检测的txt文件共计8341个。 标签种类：数据集中共有5种不同的材质类型，分别为Cardboard（纸盒）、Glass（玻璃）、Metal（金属）、Paper（纸质）和Plastic（塑料），每类对应的标注框数量如下： - Cardboard 框数 = 1785 - Glass 框数 = 1601 - Metal 框数 = 1770 - Paper 框数 = 1748 - Plastic 框数 = 1911 总计标注框数量为8815个。 图片质量：所有图像均具有较高的清晰度，且未经过增强处理。
  • 电动车进入电梯的YOLO目标检测数据集 - 97张图片，Yolo格式！
    优质
    本数据集包含97张关于电动车进入电梯场景的图像，采用YOLO格式标注，旨在提升智能监控系统对潜在安全隐患的识别能力。 【数据集】【YOLO】【目标检测】电动车进电梯检测数据集包含97张图片，采用Yolo格式的数据集进行目标检测。 标签类别：names: [person,bicycle,motorcycle] 当电动车在电梯内发生爆燃时，乘客可能会因高温和烟雾而受到伤害；如果电动车进入电梯后对设备造成磕碰，则可能导致电梯故障并缩短其使用寿命。此外，将电动车带入楼内会占用消防通道，在火灾情况下阻碍人员逃生，并可能损害建筑物结构。因此，开发一种能够实时检测并预警电动车进入电梯的系统对于提高电梯使用安全性具有重要意义。 使用方法： 下载YOLO项目，在data目录下创建子文件夹：Annotations、images、imageSets和labels；将XML格式的数据手动导入到Annotations文件夹中，同时将JPG图像数据放入images文件夹内。若需要转换yolo格式的标注为xml格式，请自行搜索相关代码执行或联系博主获取脚本。