Advertisement

工程车辆目标检测数据集（VOC格式）：重型卡车系列14 - 782张图片

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

简介：
本数据集包含782张重型卡车图像，采用VOC格式标注，适用于训练和评估工程车辆的目标检测模型。 数据集格式为Pascal VOC（不含分割路径的txt文件、yolo格式的txt文件，仅包含jpg图片及对应的xml）。 图片数量：782张 标注数量：782个 标注类别数：1类 标注类别名称：zhongxingkache 每个类别中的框的数量：zhongxingkache共有1030个 使用工具为labelImg，对各个分类进行矩形标记。无特别说明需要遵守的规则或注意事项。请注意，本数据集不对训练模型或者权重文件精度作任何保证，仅提供准确合理的标注信息。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 工程车辆目标检测数据集（VOC格式）：重型卡车系列14 - 782张图片
    优质
    本数据集包含782张重型卡车图像，采用VOC格式标注，适用于训练和评估工程车辆的目标检测模型。 数据集格式为Pascal VOC（不含分割路径的txt文件、yolo格式的txt文件，仅包含jpg图片及对应的xml）。 图片数量：782张 标注数量：782个 标注类别数：1类 标注类别名称：zhongxingkache 每个类别中的框的数量：zhongxingkache共有1030个 使用工具为labelImg，对各个分类进行矩形标记。无特别说明需要遵守的规则或注意事项。请注意，本数据集不对训练模型或者权重文件精度作任何保证，仅提供准确合理的标注信息。
     
  • YOLOv5车辆三类检测模型权重+代码+VOC格式数据集
    优质
    简介：本资源提供YOLOv5针对车辆分类（含轿车、卡车、SUV）的预训练模型及源码，并包含采用VOC格式标注的数据集，适用于快速上手和深度研究。 提供YOLOv5车辆三类检测权重文件以及训练过程中生成的各种曲线图，可以使用TensorBoard查看训练日志。 包含一个用于车辆检测的三类别数据集，其中包括1793张图片，每张图片中可能含有多个目标（car、bus和truck）。标签格式支持VOC和YOLO两种类型。所有图像中的目标清晰可见。
     
  • 黄瓜目标检测数据集（VOC格式），含1309张图片
    优质
    本数据集为黄瓜目标检测设计，包含1309张图像，遵循Pascal VOC标准格式，适用于训练和评估物体检测模型。 数据集格式：Pascal VOC（不含分割路径的txt文件、yolo格式的txt文件，仅包含jpg图片及其对应的xml标注） 图片数量（jpg文件个数）：1308 标注数量（xml文件个数）：1308 标注类别数：1 标注类别名称：cucumber 每个类别的标记框数量：cucumber计数 = 2939 使用工具：labelImg 标注规则：对目标进行矩形框绘制。 重要说明及特别声明：本数据集不对训练模型或权重文件的精度作任何保证，仅提供准确且合理的标注信息。
     
  • 【目标检测数据集】1000张工具扳手VOC+YOLO格式图片.zip
    优质
    本资源提供包含1000张不同工具扳手图像的数据集，标注了VOC及YOLO格式文件，适用于目标检测模型训练与测试。 数据集格式采用Pascal VOC与YOLO两种格式结合的方式（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。 图片总数为1003张，相应的标注数量也是1003个。 唯一的标注类别是“banshou”，共有2097个此类别的框标记。
     
  • VOC格式的条码目标检测数据集含15442张图片
    优质
    该数据集包含15,442张图像，专为VOC格式下的条形码目标检测设计，适用于训练和评估计算机视觉模型在复杂场景中识别条形码的能力。 数据集格式：Pascal VOC（不含分割路径的txt文件和yolo格式的txt文件，仅包含jpg图片及对应的xml标注） 图片数量（jpg文件个数）：15442 标注数量（xml文件个数）：15442 标注类别数：1 标注类别名称：barcode 每个类别的框数统计：barcode count = 34761 使用工具：labelImg 标注规则：对条码进行矩形标记。 重要说明：此数据集仅包含条码，不含二维码，请参考其他相关数据集获取二维码信息。 特别声明：本数据集不对训练模型或权重文件的精度作任何保证，只提供准确且合理的标注。
     
  • VOC格式岸边垂钓目标检测数据集——含4330张图片
    优质
    这是一个包含4330张图像的VOC格式数据集，专为岸边垂钓场景中的目标检测任务设计，适用于训练和评估相关算法模型。 数据集格式：Pascal VOC（仅包含jpg图片及对应的xml文件） 图片数量（jpg文件个数）：4330 标注数量（xml文件个数）：4330 标注类别数：1 标注类别名称：fishing 每个类别的标记框数量： - fishing count = 4644 使用工具：labelImg 标注规则：对目标进行矩形框的绘制。 重要说明：该数据集用于检测岸边钓鱼人员，当有人手持鱼竿或明显在垂钓时会被标注。 特别声明：本数据集不对训练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记信息。
     
  • 【目标检测数据集】11960张水稻病害检测图片（VOC+YOLO格式）.zip
    优质
    本资源提供一套用于水稻病害识别的目标检测数据集，包含11960张标注清晰的图像，并以VOC和YOLO两种格式呈现，适用于深度学习模型训练。 数据集采用了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。 该数据集中共有11963张图片，每一张都有相应的标注信息： - Pascal VOC xml 文件数量：11963个 - YOLO txt 标注文件数量：11963个 这些图像被分为十二类进行标记： 标注类别数为 12 种，具体包括以下几种类型及其对应的框的数量: - BLBD: 框数 = 1030 - BLSD: 框数 = 1067 - BSD: 框数 = 1064 - DPD: 框数 = 1465 - FSD: 框数 = 2154 - Healty: 框数 = 1266 - NBD: 框数 = 1412 - NBSD: 框数 = 975 - Non-Rice: 框数 = 1298 - RBD: 框数 = 1070 - RRSD: 框数 = 972 - SBD: 框数 = 1303 总计标注框数量为：15,076个。 使用了labelImg工具进行标记，遵循对类别画矩形框的规则。
     
  • 汽车缺陷检测图像数据集：采用VOC标注格式的目标检测数据集
    优质
    本数据集为汽车缺陷检测设计，基于VOC标准进行标注，包含大量标记清晰的目标检测图片，旨在促进自动驾驶与智能车辆领域的研究。 目标检测数据集：汽车缺陷检测图像数据集【VOC标注格式】，数据保存按照文件夹形式存放，经测试可以直接用于目标检测任务，无需额外处理。 【数据集详情】包含3000多张图片及对应的xml标注文件和类别信息的json文件。 标签类别包括门外凹痕、发动机罩凹痕、车身面板凹痕等17个类别。
     
  • 【目标检测数据集】仓库托盘检测数据集（YOLO+VOC格式，含1182张图片）.zip
    优质
    本资源提供一套针对仓库托盘的目标检测数据集，包含1182张图片，并采用YOLO与VOC标准格式标注，适用于训练和测试相关模型。 数据集格式：VOC格式+YOLO格式 压缩包内包含三个文件夹： - JPEGImages 文件夹存储了1182张 jpg 图片； - Annotations 文件夹中包含了对应的 1182 个 xml 标注文件； - labels 文件夹中有与之匹配的 1182 个 txt 标签文件。 标签种类为一种，名称是“tuopan”。该标签共有矩形框38971个。 图片清晰度良好（分辨率为像素），未经过任何图像增强处理。
     
  • 摩托车与电动车辆检测数据集，含VOC及YOLO格式
    优质
    本数据集包含丰富的摩托车和电动车辆图像样本，提供VOC和YOLO两种标注格式，适用于目标检测模型训练和验证。 包含5000多条数据的摩托车电动车数据集，采用YOLO格式，可直接用于训练。