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)：3026
标注数量(xml文件个数)：3026
标注类别数：1
标注类别名称:["pothole"]
每个类别标注的框数：
pothole count = 8174
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
2023-12-14 13:41:40
452.16MB
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。
2023-10-22 11:08:36
801.91MB
1
数据内容为168张变电站及输电线路异物图像，已经对图像中的异物进行了标注，标签格式为VOC格式
2023-09-28 16:08:55
18.29MB
bit vehicle 的数据集 已经将图片标注信息转换成xml格式
可用于目标检测训练 yolov3 yolov5等 包含分类和原始的一样
Bus’, ‘Truck’, ‘SUV’, ‘Microbus’, ‘Sedan’, ‘Minivan’
这是转换好的xml文件
用labelimg打开 使用 change save dir 更改标签保存目录为本目录即可查看标签 或者将xml与图片放在同一目录也可查看
2023-09-20 10:18:01
4.68MB
1
1. 项目使用的数据集是PASCAL VOC语义分割数据集
2. 通过自定义 dataset 实现对 VOC 数据集的处理
3. 使用学习率衰减，根据训练的 epoch 按照cos自动衰减学习率
4. 损失函数为交叉熵损失，对填充的灰度值为255的忽略损失计算
5. 通过混淆矩阵对网络性能进行评估，计算分割像素的准确率和各个像素点的iou，以及mean iou 。并将训练损失和测试精度绘制成曲线形式
6. 由于VOC的填充方式独特，所以预测代码可以根据得到的VOC调色板进行填充
2023-07-31 15:27:18
402.88MB
1
yolo车辆检测，昏暗车辆检测，pyqt，目标检测，深度学习，目标检测接单，yolov5，yolov7，可dai写
扣扣：2046删532除381
语言：python
环境：pycharm，anaconda
功能：可添加继电器或者文字报警，可统计数量
注意:
1.可定制！检测车辆，树木，火焰，人员，安全帽，烟雾，情绪，口罩佩戴……各种物体都可以定制，价格私聊另商！
2.包安装！如果安装不上可以保持联系，3天安装不上可申请退货！
2023-07-01 14:02:11
898.1MB
1
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。
2023-05-30 21:09:14
622.39MB
1
内容概要：包含了2385张图片（图片中含有烟头）和split_data.py、xml2txt.py、data.yaml三个文件
2023-05-18 17:38:33
169.35MB
1
SCUT HEAD人头检测数据集包含4405张标记了111251个人头的图像。数据集分两部分，第一部分2000张图像源自大学教室的监控视频，第二部分2405张图像爬取自网络，数据集图像中的人头均有边界框和注释。
数据标注经用xmin、ymin、xmax和ymax坐标标记了每个可视头部，并确保注释覆盖整个头部，包括部分，但没有额外的背景。A部分和B部分分为培训和测试部分。数据集遵循Pascal VOC标准
2023-04-24 19:31:11
448.26MB
1