1、桥梁裂缝检测数据集 2、桥梁裂缝图像数据集，含标签 3、2000多张图像

告别繁琐步骤，用Python脚本一键训练自己的目标检测数据集 i Only need to Click Once

该数据集主要包含自行车、电动车和摩托车，标签都是yolo格式，是经过本人精心挑选及筛选的。博客上也有很多其它数据集资源，但经本人下载后有很多图片的标签有误，甚至压根就不是人工标注的（估计是拿模型直接检测出来的），这个严重影响模型的精度。 数据集图片总数为12811，标签文件名与图片片名一一对应，但是有的标签文件是多余的，不对应图片，训练的时候直接根据图片读标签即可。 标签格式：（类别 id 归一化后的x,y,w,h），其中id均为-1，因为我用这个数据集训练的跟踪模型，所以会有id信息。如果只想训练检测模型，对标签用代码处理以下即可。

反光衣数据集，以建筑工地为主，分类反光衣和其他衣服两类 ├── Annotations │   ├── reflective_000000.xml │   ├── reflective_000001.xml │   ├── reflective_000002.xml │   ├── reflective_000003.xml ...... ├── reflective_0001028.xml JPEGImages ├── reflective_000000.jpg ├── reflective_000001.jpg ├── reflective_000002.jpg ├── reflective_000003.jpg ...... ├── reflective_0001028.jpg

数据集里有1万份来自实际生产中有瑕疵的铝型材监测影像数据，每个影像包含一个或多种瑕疵。供机器学习的样图会明确标识影像中所包含的瑕疵类型。 1. 型材表面应整洁，不允许有裂纹、起皮、腐蚀和气泡等缺陷存在。 2. 型材表面上允许有轻微的压坑、碰伤、擦伤存在，其允许深度装饰面≯0.03mm，非装饰面＞0.07mm，模具挤压痕深度≯0.03mm。 3. 型材端头允许有因锯切产生的局部变形，其纵向长度不应超过10mm。

自己用来检测人物识别的一个视频，也是从网上找了好久才找到，感觉现在国内的资源不太多，清晰度一般，时间大概不到半分钟，希望能帮到大家

DoS_attack_dataset_no_zero.csv 和 Add_DoS_attack_dataset1.csv 两个数据文件，zero文件中没有攻击块，dataset1文件中存在攻击块，攻击块用 ID=0 标识。 相关实验过程见链接https://blog.csdn.net/Netceor/article/details/124270032

1、从自动驾驶KITTI数据集中提取得到， 2、类别为car，标签格式为VOC和YOLO两种格式，即xml和txt标签文件，数量为近1万张 3、可以用于YOLO算法的车辆检测 4、数据示例：https://blog.csdn.net/zhiqingAI/article/details/124230743

之前学习YOLOV5目标检测好不容易自己标的~~ 效果演示：https://b23.tv/LWy7Bvw - 和平精英目标检测数据集（内涵124张，包含种类蹦蹦、摩托、车、人） ---- Annotations ---- images ---- labels ---- 简单训练好的.pt权重文件

疲劳驾驶检测数据集 VOC格式 可以用于实际项目