数据集格式：Pascal VOC格式(不包含分割的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：2090 标注数量(xml文件个数)：2090 标注类别数：2 标注类别名称:["chef hat","head"] 每个类别标注的框数： chef hat count = 4174 head count = 1553 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 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，数据集只提供准确且合理标注

1、VOC水下垃圾检测数据集，几千张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，包含许多不同类型的海洋垃圾的图像；数据场景丰富；类别为metal、wood、platstic、rubber、cloth等多个类别目标 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

数据集格式：Pascal VOC格式(不包含分割的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：1609 标注数量(xml文件个数)：1609 标注类别数：2 标注类别名称:["kid","adult"] 每个类别标注的框数： kid count = 1763 adult count = 605 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 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，数据集只提供准确且合理标注

小麦麦穗检测图像数据集（共147794个标签，7类目标检测，VOC标签）.zip

用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用 用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用 用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用 用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用 用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用

数据集格式：Pascal VOC格式(不包含分割的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：5208 标注数量(xml文件个数)：5208 标注类别数：4 标注类别名称:["reflective_person","reflective","person","cloth"] 每个类别标注的框数： reflective_person count = 7213 reflective count = 7188 person count = 774 cloth count = 656 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明： reflective_person为穿反光衣的人 reflective为反光衣 person为未穿反光衣的人 cloth为非反光衣 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，数据集只提供准确且合理标注

工业安全手机检测识别图像数据集（VOC，yolo两类标签，8201张图像）.zip

未知工作服属性检测识别-餐厅后厨场景（VOC标签，919张图像）.zip

1、交通灯和倒计时数字检测数据集，几百张多张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，可以直接用于YOLO系列的交通灯目标检测检测；数据场景丰富；类别为红绿灯等各种交通灯以及倒计时的时间数字 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

1、处理过的遥感图像海上船只检测数据集，一万多张使用lableimg标注软件，标注好的高质量处理过的遥感图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，可以直接用于YOLO系列的海上船只目标检测检测；类别为boat； 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743