【实际项目应用】: 人脸表情识别检测、人状态识别等 【数据集说明】: 人脸表情数据集,一共2445张图片,包含5类表情,分别为['happy','sad','shock','disgust','solemn'],每类目标数量分布均匀,标签包含voc(xml)、yolo(txt)两种格式,纯手工标注,标注精准,算法拟合不错,多种目标检测算法可直接使用。数据质量可靠。 【更多数据集介绍请看】https://blog.csdn.net/DeepLearning_/article/details/127276492?spm=1001.2014.3001.5502
【实际项目应用】:车牌检测、车牌识别、车辆检测 【数据集说明】:车辆车牌检测数据集,一共1456张图片,标签包含两类,分别为“car”和“plat”,道路监控摄像头视角背景,数据分布均匀,标签包含voc(xml)、yolo(txt)两种格式,多种目标检测算法可直接使用。纯手工标注,标注精准,算法拟合不错,数据质量可靠。 【更多数据集介绍】https://blog.csdn.net/DeepLearning_/article/details/127276492?spm=1001.2014.3001.5502
【实际项目应用】: 工业缺陷检测、布匹缺陷识别检测、智能质检等。 【数据集说明】: 布匹缺陷检测数据集,一共800张图片,缺陷包含“损坏”、“污渍”两种类别,附有voc(xml)与yolo(txt)两种格式标签。 数据标注精确,多种目标检测算法可直接使用,算法拟合不错,数据质量可靠。 更多数据集介绍请看https://blog.csdn.net/DeepLearning_/article/details/127276492?spm=1001.2014.3001.5502 【备注】:使用过程若有问题请私信联系博主
【实际项目应用】 车标识别检测 【数据集说明】 车轮检测数据集,一共4203张图片,6类车标,分别为“奔驰”、”本田“、”丰田“、”奥迪“、”雪佛兰“、”大众“, ['Benz','Honda','Toyota','Audi','Chevrolet','VW'],多种背景,数据分布均匀,标签包含voc(xml)、yolo(txt)两种格式,多种目标检测算法可直接使用。纯手工标注,标注精准,算法拟合很好,数据质量可靠。 【备注】:若需json格式标签,或使用过程遇到问题,请私信留言。
【实际项目应用】: 车辆违规检测项目(如压线、不礼让行人、违规车辆计数等) 【数据集说明】: 车轮检测数据集,一共3016张图片,6000多个车轮目标,多种背景,有一部分是道路监控拍摄,数据分布均匀,标签包含voc(xml)、yolo(txt)两种格式,多种目标检测算法可直接使用。纯手工标注,标注精准,算法拟合不错,数据质量可靠。
【实际项目应用】 口罩佩戴检测 【数据集说明】 口罩检测数据集,一共7889张图片,标签包含两类,分别为 ['mask','nomask'],多种背景,数据经过筛选提取,数据分布均匀且多样性充分,实际项目所用,标签包含voc(xml)、yolo(txt)两种格式,多种目标检测算法可直接使用。人工标注,标注精准,算法拟合很好,数据质量可靠。 【备注】若需要json格式标签,或数据集使用问题,请私信留言。
【实际项目应用】: 社区安防、学校安防、危险器具检测等 【数据集说明】: 刀具棍棒检测数据集,一共1200张图片,标签有两类,分别为[刀具、棍棒],即['dao','bang'],多种背景,数据分布均匀,标签包含voc(xml)、yolo(txt)两种格式,多种目标检测算法可直接使用。纯手工标注,标注精准,算法拟合较好,数据质量可靠。 【备注】若需要json格式标签,或数据集使用问题,请私信留言。
yolo2voc.zip(yolo转voc
2022-11-24 11:25:53 12.29MB 资源
1
使用要求; 1、拥有python环境,建议使用anaconda 2、数据增强方式有以下7种,可设置随机选几种来增强 # 1. 裁剪(需改变bbox) # 2. 平移(需改变bbox) # 3. 改变亮度 # 4. 加噪声 # 5. 旋转角度(需要改变bbox) # 6. 镜像(需要改变bbox) # 7. cutout 3、会根据原始xml文件及增强方式自动生成标注好的xml标签文件及增强后图像
1
voc数据集格式转yolo数据集格式(直接划分成训练集和验证集)---目标检测数据集转换代码,python程序代码,自己当前在用,使用过程中只需要修改相应的路径即可。
1