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

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)：3924 标注数量(xml文件个数)：3924 标注类别数：1 标注类别名称:["spider"] 每个类别标注的框数： spider count = 3968 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

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以及对应yolo格式的txt文件) 图片数量(jpg文件个数)：3001 标注数量(xml文件个数)：3001 yolo格式数量(txt文件个数)：3001 标注类别数：1 标注类别名称:["rat"] 每个类别标注的框数： rat count = 3958 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

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)：3945 标注数量(xml文件个数)：3945 标注类别数：1 标注类别名称:["rabbit"] 每个类别标注的框数： rabbit count = 4135 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

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)：3157 标注数量(xml文件个数)：3157 标注类别数：1 标注类别名称:["head"] 每个类别标注的框数： head count = 11504 标注规则：对类别进行画矩形框

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)：5447 标注数量(xml文件个数)：5447 标注类别数：1 标注类别名称:["phone"] 每个类别标注的框数： phone count = 7179 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：由于抽帧原因部分可能存在类似图片，此数据集大多数为近距离拍摄，手机图片大部分为2012年以后的智能手机

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)：1248 标注数量(xml文件个数)：1248 标注类别数：2 标注类别名称:["nofight","fight"] 每个类别标注的框数： nofight count = 398 fight count = 851 使用标注工具：labelImg 标注规则：对于2人明显存在打架行为且包含肢体接触为fight，否则为nofight，注意非打架行为数据集必须要标注，否则容易误检测 重要说明：此数据集经过yolov5训练验证，演示视频地址为：https://www.bilibili.com/video/BV1PL4y1773X?spm_id_from=333.337.search-card.all.click

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)：1367 标注数量(xml文件个数)：1367 标注类别数：1 标注类别名称:["monkey"] 每个类别标注的框数： monkey count = 1858 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