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

车牌检测数据集，YOLOv5可以直接训练

口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集口罩检测数据集

瓶子目标检测 yolov5 瓶子检测数据集， 类别名：bottle； VOCtrainva2012数据集 提取得到，标签类别：txt和 xml两种

该数据集包含动态和变化背景下的风力涡轮机图像。我设计这个数据集时考虑到了无人机摄影师。商业市场上的许多无人机都预装了软件开发工具包或sdk(如大疆无人机)，允许用户用Python等语言对无人机进行编程。因此，具有高质量摄像头的商用无人机可以与其SDK配对，以创建令人难以置信的计算机视觉项目!这些项目是无限的，所以我将继续为这个数据集做出贡献。请继续关注! 格式: YOLO v7 PyTorch 特点: 水平翻转的概率是50% 0到3像素之间的随机高斯模糊 随机曝光调整介于- 25%和+ 25%之间 预分割:87%训练，9%验证，4%测试(2885张图像) 类似的数据集: 皮肤癌二元分类数据集 标签: Roboflow -免费的图像标签 该数据集包含动态和变化背景下的风力涡轮机图像。我设计这个数据集时考虑到了无人机摄影师。商业市场上的许多无人机都预装了软件开发工具包或sdk(如大疆无人机)，允许用户用Python等语言对无人机进行编程。因此，具有高质量摄像头的商用无人机可以与其SDK配对，以创建令人难以置信的计算机视觉项目!这些项目是无限的，所以我将继续为这个数据集做出贡献。请继续关

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。

烟火检测数据集包含的场景类型: 大火-小火，建筑起火、草原起火、森林起火、车辆(汽车、卡车、摩托车、电动车)起火、白天-黑夜起火、室内-室外起火； 烟雾同火场景一致！ 数据集详细情况说明 烟火检测数据集(按照Pascal VOC格式排列): --VOC2020 --Annotations (xml_num: 2059) --ImageSets(Main) --JPEGImages (image_num: 2059) --label_name: fire 解压压缩文件命令 tar -xzvf ***.tar (win or linux: Git Bash) or 7zip (win: 7zip; 360zip 需要解压2次) 将VOC格式转成yolo格式: 调用yolov4 -> scripts -> voc_label.py

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