Advertisement

城市异常事件数据集，包含路边倒树、火灾、水灾、交通事故等类别，共15223张图片，采用8个类别进行分类。

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：7Z

简介：
该数据集主要适用于图像分类任务，但不适用于目标检测任务，因为它不包含任何无标注的文件。数据集采用jpg图片格式存储，每个类别对应一个独立的文件夹，其中存放着该类别下的所有图片。总共有15223个jpg文件。此外，该数据集包含8个不同的类别。这些类别名称包括：“badroad”（不良路面）、“fallentree”（倒塌的树）、“fire”（火灾）、“flooding”（洪水）、“garbage”（垃圾）、“normal”（正常）、“trafficaccident”（交通事故）和“trafficjam”（交通拥堵）。 更多详细信息请参考blog..netFL1623863129articledetails139510187。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 打架识别分类数据集（含75,855张图片，8个类别）.7z
    优质
    本数据集包含75,855张图像，涵盖八种不同类型的肢体冲突场景，旨在用于训练和测试机器学习模型以准确地识别打架行为。 数据集类型：图像分类用，不可用于目标检测且无标注文件。 数据集格式：包含75855张jpg图片，每个类别单独存储在一个文件夹中。 分类类别数：8个 类别名称及每类图片数量： - hit: 4133 张 - kick: 5950 张 - punch: 8921 张 - push: 10335 张 - ride_horse: 16971 张 - shoot_gun: 9832 张 - stand: 11259 张 - wave: 8454 张 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，仅提供准确且合理分类存放。
  • 驾驶者异常行为数据集 包含9种类别 每类别约2500张图片
    优质
    本数据集收录了涵盖九种类型驾驶者异常行为的约22,500张图像，每类包含约2500张图片，旨在为自动驾驶及智能车辆系统提供训练资源。 驾驶员异常行为数据集包含9个类别，每个类别的图片数量约为2500张左右。
  • 边走路边看手机或通话时的图片分类数据集，含约4500张图片及3个类别
    优质
    本数据集包含约4500张图片，分为三个类别，旨在研究和分析人们在行走过程中使用手机的行为。这些图像可用于训练AI识别行人分心行为的模型。 这段数据集包含约4500张图片，涵盖三个类别：走路玩手机、打电话以及图像分类。该数据集适用于目标检测、跟踪及行为识别等领域，并通过网络收集并开源共享。为了进一步提升其价值，使用了AIGC等技术进行了二次处理和优化。具体细节可参阅相关博客文章的详细介绍。
  • 36类常见水果蔬菜识别分类数据集（含3600张图片）.zip
    优质
    本数据集包含36类常见水果和蔬菜共3600张图像，每类别100张。适用于图像识别与分类研究，有助于提升模型对果蔬的辨识能力。 该数据集包含36类果蔬的图像共计3600张，分为水果和蔬菜两大类。其中水果包括香蕉、苹果、梨、葡萄、橙子、猕猴桃、西瓜、石榴、菠萝和芒果；蔬菜则有黄瓜、胡萝卜、辣椒（包括甜椒）、洋葱、马铃薯（包括红薯）、柠檬（虽然通常归为水果）、番茄（西红柿）、萝卜（含多种类型如白萝卜等）、甜菜根、卷心菜、生菜、菠菜、大豆、花椰菜和豌豆。数据集分为三个子文件夹：训练集，每个类别包含100张图像；测试集，每个类别有10张图像用于评估模型性能；验证集，同样为每类提供10张图像以确保模型在不同条件下的表现稳定性。这些图像按具体食品名称分类存储于各个相应的子文件夹中。
  • 水质类别图片数据集（含5000张图片）
    优质
    本数据集包含5000张不同水质类别的图片，旨在为水质监测与分类提供训练模型的数据支持，促进环保领域的研究与发展。 使用增强后的5000张图片对水质进行分类，并将其分为五类。采用ResNet模型后，准确率可达98%。由于内容有限，我降低了积分要求，因为网站收取的费用较高。
  • 猫行为检测数据集采用VOC与YOLO格式，包含5997张图片，共五个类别
    优质
    该资源为[数据集][目标检测]形式的“猫的行为识别”数据集，采用VOC与YOLO融合的格式，包含5,997张图片，涵盖5个分类类别。
  • 火灾数据集分类：* Fire * Neutral * Smoke
    优质
    本数据集包含标注了火灾、中立及烟雾类别的图像，旨在支持火灾早期检测系统的研发与训练。 火灾数据集是一个重要的资源，它包含了与火警、中性情况和烟雾相关的各类信息，对研究、预防和应对火灾有着至关重要的作用。这个数据集通常由多个子文件组成，这些子文件可能包含图像、视频、传感器读数等多种类型的数据，以帮助分析火灾发生、发展和蔓延的模式。 在数据科学领域，处理这样的多类分类问题是一项常见任务。Fire类别代表火灾发生的场景，这可能包括燃烧的建筑物、火焰蔓延的视频帧或者热感图像。Neutral类别则包含没有火灾迹象的正常环境，用于对比和训练模型以区分火灾与正常情况。Smoke类别涉及烟雾弥漫的画面，这是火灾早期预警的关键信号，因为烟雾往往是火源存在的第一个可见证据。 这个数据集中的标签表明其本质是一组组织有序、可用于训练和测试算法的数据。每个样本都带有对应的标签，指示其属于哪个类别，在这种情况下是Fire、Neutral或Smoke，以便机器学习算法能够识别火灾的特征。 在处理这类数据集中，图像分析是一个关键应用。例如，可以使用深度学习方法如卷积神经网络（CNN）来训练模型自动检测图像中的火灾和烟雾。需要对数据进行预处理，包括调整图像大小、归一化像素值以及通过旋转、翻转和缩放等方式增加数据多样性以增强泛化能力。多层的CNN可以学习到与火灾及烟雾相关的视觉特征，从而实现快速识别潜在风险。 此外，该数据集还可能包含其他类型的传感器读数，例如温度、湿度和烟雾探测器的数据等。这些信息有助于构建更全面的火灾预测模型。结合视频监控和环境传感器数据能够建立一个集成系统用于早期预警与响应机制的开发，从而提前发现并应对潜在的安全隐患。 FIRE-SMOKE-DATASET是一个多模态数据集，涵盖火灾、中性及烟雾三个关键类别，在学术研究以及实际应用如火灾报警系统的开发方面都具有重要价值。通过深入分析这些数据，可以显著提升火灾识别的准确性和及时性，并为公共安全提供更有效的支持。
  • 道路交通事故图像数据集（含1182张图片）.zip
    优质
    本资源提供一个包含1182张图片的道路交通事故数据集，可用于训练和测试计算机视觉模型在识别及分析交通事故场景中的应用。 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图片及对应的xml） 图片数量（jpg文件个数）：1182 标注数量（xml文件个数）：1182 标注类别数：1 标注类别名称：accident 每个类别标注框的数量：accident count = 1179 使用工具：labelImg 标注规则：对指定的类别进行矩形标记 重要说明： 无特别声明。 请注意，本数据集不保证训练模型或权重文件的具体精度。提供的仅为准确且合理的标注信息。
  • 杂草分类数据集含5998张图片，涵盖5个类别.7z
    优质
    本数据集包含5998张图片，涵盖了五种不同的杂草种类，旨在为图像识别和机器学习模型提供训练资源。文件以压缩格式（.7z）存储。 数据集类型：图像分类用，不可用于目标检测。 数据集格式：仅包含jpg图片文件，每个类别文件夹内存放对应类别的图片。 图片数量（jpg文件个数）：5998 分类类别数：5 类别名称： - bluegrass - chenopodium - cirsium - corn - sedge 每种类别图片数： - bluegrass: 1200张 - chenopodium: 1200张 - cirsium: 1200张 - corn: 1200张 - sedge: 1198张 重要说明：暂无特别声明。 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，仅提供准确且合理分类存放。