【目标检测数据集汇总】YOLO txt格式各种数据集
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
【目标检测数据集汇总】目标检测YOLO txt格式数据集~各种数据集
- 前言
- 相关连接:
- 一、安全帽数据集(10755张,nc2)
- 二、吸烟/抽烟数据集(8368张,nc1)
- 三、轨道扣件数据集(2234张)
- 四、平贝母数据集1165张
- 五、柑橘病虫害数据集(522张,1.4G)
- 六、自动驾驶(29800张)
- 七、烟雾/雾数据集(21578张,仅烟雾)
- 八、口罩数据集(12715张:nc2,佩戴和未佩戴;5164张:nc3)
- 九、机车/摩托车数据集(6499张,nc1)
- 十、头盔/安全帽(4000张,nc4)
- 十一、猫的品种和狗的品种(12042张,nc37)
- 十二、猫和狗分类(3686张,nc2)
- 十三、落石与滑坡(10000张,nc2)
- 十四、直升机分类(17212张,nc24)
- 十五、F1赛车(3321张,nc4)
- 十六、野外烟雾(737张,nc1)
- 十七、更多数据集
- 总结
前言
YOLO格式数据集,直接使用导入YOLO模型训练自己的数据集。
- 横向项目落地。
- 离线监测和在线监测。
- 项目结题。
相关连接:
各种数据集链接:https://item.taobao.com/item.htm?ft=t&id=686270772909
一、安全帽数据集(10755张,nc2)
二、吸烟/抽烟数据集(8368张,nc1)
三、轨道扣件数据集(2234张)
四、平贝母数据集1165张
五、柑橘病虫害数据集(522张,1.4G)
六、自动驾驶(29800张)
七、烟雾/雾数据集(21578张,仅烟雾)
八、口罩数据集(12715张:nc2,佩戴和未佩戴;5164张:nc3)
九、机车/摩托车数据集(6499张,nc1)
十、头盔/安全帽(4000张,nc4)
面向电动车和摩托车
十一、猫的品种和狗的品种(12042张,nc37)
十二、猫和狗分类(3686张,nc2)
十三、落石与滑坡(10000张,nc2)
十四、直升机分类(17212张,nc24)
具体类别:[‘A139’, ‘AS50’, ‘B06’, ‘B412’, ‘B429’, ‘CH47’, ‘EC35’, ‘EC45’, ‘H500’, ‘H60’, ‘H60-Aux Fuel Tanks’, ‘MD52’, ‘MH65’, ‘R66’, ‘S76’, ‘UH1N’, ‘UH72’, ‘V22’, ‘VH3D’, ‘VH60N’, ‘VH92A’, ‘bird’, ‘i’, ‘plane’]
十五、F1赛车(3321张,nc4)
具体类别:[‘Ferrari’, ‘Mclaren’, ‘Mercedes’, ‘Redbull’]
十六、野外烟雾(737张,nc1)
十七、更多数据集
(下列数据集都有现成的YOLO格式)
- 口罩数据集(5164张,三类:正常佩戴,非正常佩戴,未戴)
- 电话/手机数据集
- 草莓数据集
- 异常焊缝数据集
- 老鼠数据集(2460)
- 裂缝数据集(2857张)
- 瑜伽数据集(5400张)
- 吸烟手势/吸烟的手数据集(2357张)
- 找数据集
总结
目标检测YOLO格式各种数据集,亲测效果好!
【目标检测数据集汇总】YOLO txt格式各种数据集相关推荐
- 目标检测0-02:YOLO V3-网络结构输入输出解析
以下链接是个人关于YOLO V3所有见解,如有错误欢迎大家指出,我会第一时间纠正,如有兴趣可以加微信:17575010159 相互讨论技术. 目标检测0-00:YOLO V3目录-史上最全 一.源码目 ...
- 深度学习目标检测:YOLOv5实现车辆检测(含车辆检测数据集+训练代码)
深度学习目标检测:YOLOv5实现车辆检测(含车辆检测数据集+训练代码) 目录 深度学习目标检测:YOLOv5实现车辆检测(含车辆检测数据集+训练代码) 1. 前言 2. 车辆检测数据集说明 (1)车 ...
- 深度学习目标检测网络汇总对比,挺好的
深度学习目标检测网络汇总对比 本文总阅读量次 欢迎star我的博客 2019-01-03 参考 :https://medium.com/@jonathan_hui/object-detection-s ...
- 一文看尽目标检测:从YOLO v1到v3的进化之路
本文转载自: http://www.mamicode.com/info-detail-2314392.html 导语:如今基于深度学习的目标检测已经逐渐成为自动驾驶.视频监控.机械加工.智能机器人等领 ...
- 一文看尽目标检测:从 YOLO v1 到 v3 的进化之路
点击"小詹学Python",选择"星标"公众号 重磅干货,第一时间送达 源自: http://www.mamicode.com/info-detail-2314 ...
- 何恺明团队最新研究:3D目标检测新框架VoteNet,两大数据集刷新最高精度
[导读]FAIR何恺明等人团队提出3D目标检测新框架VoteNet,直接处理原始数据,不依赖任何2D检测器.该模型设计简单,模型紧凑,效率高,在两大真实3D扫描数据集上实现了最先进的3D检测精度. 当 ...
- labelme标注文件转coco json,coco json转yolo txt格式,coco json转xml, labelme标注文件转分割,boxes转labelme json
参考:https://github.com/wkentaro/labelme 一.labelme标注文件转coco json 1.标注时带图片ImageData信息,将一个文件夹下的照片和labelm ...
- 遮挡目标检测持续汇总
遮挡目标检测持续汇总 常常将遮挡分为目标与目标间的遮挡(Crowd).目标与背景间的遮挡(Occlusion) 文章目录 遮挡目标检测持续汇总 Double Anchor R-CNN for Huma ...
- CVPR 2019 目标检测论文汇总
CVPR 2019 目标检测论文汇总(0506更新中)极市平台已认证的官方帐号84 人赞同了该文章前段时间,计算机视觉顶会CVPR 2019 公布了接收结果,极市也对此做了相关报道 ,目前官方公布了 ...
最新文章
- 手把手教你深度学习强大算法进行序列学习(附Python代码)
- 如何在Ubuntu18.04安装Tesla T4板的驱动程序
- 静态路由与动态路由的优先级_静态路由基础知识
- JavaWeb(part1)--servlet
- 如果BigDecimal是答案,那肯定是一个奇怪的问题
- PHP中开发的良好习惯总结(持续更新) By ACReaper
- PHP网站如何解决大流量与高并发的问题
- HDU 5228 ZCC loves straight flush( BestCoder Round #41)
- hadoop交流群261039241
- 怎么调html分辨率,屏幕分辨率怎么调
- 阵处理与波束形成学习心得(二)
- Flutter修改App名称(Android+IOS)
- 计算机表格快捷键,EXCEL表格所有的快捷键《excel一键到底 快捷键》
- c++面试常见问题总结
- 如何区分apk游戏引擎
- pyqt5 制作壁纸切换工具实例 第一章
- odoo15全面解决财务应收应付全面管理方案(含银企直联)(1)
- 关于sql语句中where条件内添加case when的问题
- coreseek错误WARNING: failed to open pid_file '/usr/local/coreseek/var/log/searchd_mysql.pid'
- webshell客户端流量特征
热门文章
- c语言如何重命名文件夹,VC 复制移动删除重命名文件文件夹
- Golang数组练习题:已知有一个排序好的升序数组,要求插入一个元素,最后打印该数组,顺序依然是升序
- 爬取财经新闻+新闻评论(一网打尽)
- 广东省计算机考试报名照片规格,计算机等级考试报名 有关照片规格及要求介绍...
- 年后跳槽:哪些迹象告诉我们,公司可能不行了?
- grread使用例子 lisp_AutoLISP从入门到精通初级教程(新手必备);
- 手推车轮 trolley wheel
- VBA的 随机数 rnd 和 randomize 如何配合使用? 伪随机数带来的问题,根据需要产生不同的随机数!
- 练习:求高次方的尾数(末三位)
- 在ubuntu14.04 编译openwrt 遇到问题解决汇总