目标检测下矿车数据集，包含原图和xml格式标签

yolov5-obb旋转目标检测直接运行版，只需配置好虚拟环境就可直接运行，包含部分demo数据集

基于coco_2014与VOC_2017数据集为基础，提取出来的牛（cow)单一种类的目标检测数据集（包含4110张各种场景下的cow图片），可用于cow的目标检测识别，以及cow的个体统计。格式符合yolo系列的（voc)格式，可以直接使用。

YOLO目标检测数据集xml格式转txt格式，一键运行

显著性目标检测相当于语义分割中的二分类任务(包含背景) 项目里包含了DUTS数据集，对预处理transform的重新实现，利用混淆矩阵计算网络的性能，对预训练权重的迁移学习等等 对dataset的init方法重新编写的话，可以完成别的u2net的二分类任务

行人目标检测数据集，包含xml、图片、txt标签。数据集大小一个400多M，一个100多M。

1.遥感数据集，方便入门学习。 2.HRSID一共有13个类别，分别是：飞机、棒球场、篮球场、桥梁、十字路口、田径场、港口、停车场、船、存储罐、丁字路口、网球场、汽车。上传的只有一个类别，船ship类。 3.数据库的亮点是，各个类别之间样本量较均衡。 4.对于一般的目标检测而言，数据集至少应该是千位数甚至上万，可能效果会比较少的数据集更好。 5.上传的是原5604张数据集，有图片和标签，全部一一对应。 6.可以对任意数据集进行扩充，如果需要定做，私信我，或者私信找我要扩充之后的数据集，付费咨询。 7.扩充增强方法可以采用数据模糊，亮度，裁剪，旋转，平移，镜像等变化，或者基于深度学习SRGAN增强等方式。

猪（pig）目标检测数据集，yolo格式的，可以直接用来yolo系列的训练，不需要进行再次转化，直接修改相应的yaml配置文件，即可使用。

交通灯识别检测数据集(含voc和yolo格式标签)（课程作业、设计、比赛、实际项目所用） 【实际项目应用】： 交通灯识别检测、自动驾驶等 【数据集说明】： 交通灯识别检测数据集，一共7953张图片，背景丰富，多样性充足，目标分布均匀，标注精准，算法拟合较好，质量可靠。该数据集标签包含voc（xml）、yolo（txt）。类别名称为[“Traffic_Light”]，多种目标检测算法可直接使用。

本数据集大约5000张，本资源是其中的一部分 安全帽是作业场所作业时头部防护所用的头部防护用品，它对使用者的头部在受坠落物或小型飞溅物体等其他因素引起的伤害起到防护作用。近年来，因不佩戴安全帽、不规范佩戴安全帽等原因导致的安全生产事故屡禁不止，事故发生背后的影响是巨大的，不仅为家人带来巨大的伤痛，也为企业的利益带来巨大的损失。而如何使员工规范佩戴安全帽、保障员工和企业双方利益，成为了一直以来各方坚持不懈想要实现的目标。因此，研究佩戴安全帽的监测算法，具有广泛的应用价值。