包含了卡通人物的数据集，可用于卡通人物的目标检测的训练、验证和测试，简单易用。

均已标注好，划分为训练集验证集测试集，可直接用于训练 12356张训练集，1266张验证集，654张测试集

数据集格式：Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：4330 标注数量(xml文件个数)：4330 标注类别数：1 标注类别名称:["fishing"] 每个类别标注的框数： fishing count = 4644 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：检测岸边钓鱼人员的数据集，当有人拿个鱼竿或者明显在钓鱼则会被标注 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

安全帽数据集共含有 6696 张图片，以及对应的 6696 个 VOC 格式的 xml 标注文件，以下四个python脚本文件作用分别是对voc格式的xml标注文件进行转换yolo格式的txt文件，以及按照比例划分数据集。 文件目录结构： ├───DataProcessing │ └───VOCdevkit │ └───VOC2007 │ ├───Annotations │ ├───ImageSets │ └───JPEGImages ├───split82.py ├───split721.py ├───Voc2Yolo.py ├───Yolo2Voc.py

直接下载修改两个文件夹路径的路径，然后执行程序代码即可完成旋转目标检测标注信息的转换哦！！！

异物碎片(FOD)检测在机器学习和计算机视觉领域引起了越来越多的关注。介绍了一个名为FOD in Airports (FOD-A)的FOD图像数据集。FOD-A还提供了标记的环境条件。因此，每个注释实例进一步分为三个光照级别类别(明亮、昏暗和黑暗)和两个天气类别(干燥和潮湿)。 标注格式为：YOLO、VOC 包含31个类别，分别是： Battery Bolt BoltWasher ClampPart MetalPart Cutter PlasticPart LuggageTag Nail Pliers Label Washer Wrench FuelCap Nut MetalSheet Hose AdjustableClamp AdjustableWrench BoltNutSet Hammer LuggagePart PaintChip Pen Rock Screw Screwdriver Wire SodaCan Tape Wood

1.遥感数据集，方便入门学习。 2.RSOD是一个开放的目标检测数据集，用于遥感图像中的目标检测。数据集包含飞机，油箱，运动场和立交桥，以PASCAL VOC数据集的格式进行标注。 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936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。

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。