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

红绿灯检测数据集，该数据集基于CCF BDCI，用于红绿灯检测，该数据集包含2600个人工标记的红绿灯类别和颜色标签。红绿灯类别包括9类 红绿灯检测数据集，该数据集基于CCF BDCI，用于红绿灯检测，该数据集包含2600个人工标记的红绿灯类别和颜色标签。红绿灯类别包括9类

本数据集为摔倒检测数据集，标注格式为VOC 目标检测框，格式XML，数量为1440

智能驾驶 车牌检测和识别（二）《YOLOv5实现车牌检测（含车牌检测数据集和训练代码）》：https://blog.csdn.net/guyuealian/article/details/128704068 更多项目《智能驾驶 车牌检测和识别》系列文章请参考： （1）智能驾驶 车牌检测和识别（一）《CCPD车牌数据集》：https://blog.csdn.net/guyuealian/article/details/128704181 （2）智能驾驶 车牌检测和识别（二）《YOLOv5实现车牌检测（含车牌检测数据集和训练代码）》：https://blog.csdn.net/guyuealian/article/details/128704068 （3）智能驾驶 车牌检测和识别（三）《CRNN和LPRNet实现车牌识别（含车牌识别数据集和训练代码）》：https://blog.csdn.net/guyuealian/article/details/128704209 （4）智能驾驶 车牌检测和识别（四）《Android实现车牌检测和识别（可实时车牌识别）》：https://blog.c

绝缘子作为输电环节中的重要设备，在支撑固定导线，保障绝缘距离的方面有着重要作用。深度学习技术的大量应用，计算机运算性能的不断提高，为无人机准确识别和定位绝缘子，实时跟踪拍摄开辟了新的解决途径。本文对输电线路中绝缘子进行识别及定位，利用深度学习技术采取基于YOLOv5 算法的目标检测手段，结合绝缘子数据集的特点，对无人机拍摄图片进行训练，实现对绝缘子精准识别和定位，大幅提升无人机巡检时对绝缘子设备准确跟踪、判定的效率，具有十分重要的应用效果。本项目可以作为计算机专业毕业涉及，提供处理好的数据集、视频和三组训练好的模型，部署简单，并且具有可用于图片检测和视频检测的图形化界面，方便易用。

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。