【7】车辆数据集(有v5/v8模型)/YOLO车辆检测

已于 2025-05-19 17:35:03 修改
阅读量287 收藏 1
点赞数 12
分类专栏： 目标检测数据集 文章标签： YOLO 目标检测 人工智能 机器学习
于 2025-05-19 17:34:45 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2403_88275621/article/details/148069212
版权

文章目录

➷点击跳转至数据集及模型获取处☇

1 数据集介绍

1.1 说明

图片数量82085张，已标注txt格式
训练集验证集测试集按59101:16417:6567划分
可以直接用于目标检测训练

1.2 类别

①car(小车)
②van(面包车)
③bus(公交车)
④others(其他车)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2 训练好的模型结果

2.1 YOLOv5模型结果

yolov5-v7.0训练100轮的模型结果 (map0.994)
在这里插入图片描述

2.2 YOLOv8模型结果

有yolov8训练100轮的模型结果 (map0.993)
在这里插入图片描述

3 数据集获取

➷电脑端点击下方介绍视频给出➷
➷手机端点击文章末尾名片获取➷

【7】车辆检测数据集(有v5/v8模型)/YOLO车辆检测

【1】行人车辆数据集(有v5/v8模型)/YOLO行人车辆检测
目标检测
05-03 376
图片数量41083张，已标注txt格式训练集验证集按38173:2910划分，可直接用于目标检测训练。有YOLOv5和YOLOv8训练好的检测模型。
【9】工程车辆数据集(有v5/v8模型)/YOLO工程车辆检测
目标检测
05-19 178
本文介绍了一个包含6338张已标注图片的工程车辆检测数据集，涵盖推土机、卡车、挖掘机等七类车辆。数据集已按训练集、验证集和测试集划分，可直接用于目标检测训练。文章还展示了使用YOLOv5和YOLOv8模型训练100轮后的结果，分别达到了0.944和0.948的mAP值。
【2】水果数据集(有v5/v8模型)/YOLO水果检测
目标检测
05-03 236
图片数量354张，已标注txt格式训练集验证集按261:93划分，可直接用于目标检测训练。有YOLOv5和YOLOv8训练好的检测模型。
【4】花卉数据集(有v5/v8模型)/YOLO花卉检测
目标检测
05-03 185
图片数量351张，已标注txt格式训练集验证集按311:40划分，可直接用于目标检测训练。有训练好的YOLOv5和YOLOv8检测模型
【8】行人数据集(有v5/v8模型)/YOLO行人检测
目标检测
05-19 408
本文介绍了一个用于目标检测的行人数据集，包含9000张已标注的图片，训练集和验证集按7200:1800划分。数据集可直接用于目标检测训练，主要类别为“person”。文章还展示了使用YOLOv5和YOLOv8模型训练100轮后的结果，YOLOv5的mAP为0.730，YOLOv8的mAP为0.742。
【6】横幅数据集(有v5/v8模型)/YOLO横幅检测
目标检测
05-19 209
图片数量2007张，已标注txt格式训练集验证集按1604:403划分，可直接用于目标检测训练。有训练好的YOLOv5和YOLOv8检测模型。
【10】自动驾驶行人车辆数据集(有v5/v8模型)/YOLO自动驾驶行人车辆检测
目标检测
05-19 126
本文介绍了一个用于目标检测的数据集，包含60,455张已标注的图片，划分为训练集、验证集和测试集，分别包含50,094、8,361和2,000张图片。数据集涵盖七种类别：公交车、行人、自行车、卡车、摩托车、小汽车和骑行者。文章还展示了使用YOLOv5和YOLOv8模型训练100轮后的结果，YOLOv5的mAP为0.537，YOLOv8的mAP为0.495。
【3】条形码数据集(有v5/v8模型)/YOLO条形码检测
目标检测
05-03 413
图片数量2414张，已标注txt格式训练集验证集按2117:297划分，可直接用于目标检测训练。有训练好的YOLOv5和YOLOv8检测模型。
【5】蘑菇数据集(有v5/v8模型)/YOLO蘑菇检测
目标检测
05-03 433
图片数量9266张，已标注txt格式训练集验证集按7234:2032划分，可直接用于目标检测训练。有训练好的YOLOv5和YOLOv8检测模型。
车辆检测16-YOLO（v5至v8）、COCO数据集合集.rar
12-15
车辆检测16-YOLO（v5至v8）、COCO数据集合集.rarFirstPrJ-V1 2022-11-17 11:05 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解非结构化图像数据 *注释，创建数据集 *...
可用于YOLOv5/v6/v7/v8训练的农作物杂草数据集
10-21
数据集是机器学习模型训练的基础，对于YOLO系列模型来说，它需要大量的带有标注的图像来学习不同目标的位置和类别。"Annotated Maize-Weed Images"这一文件名表明，这个数据集中包含的图像已经被专业人员细致地标记...
俯视车辆检测17-YOLO（v5至v9）数据集合集.rar
12-20
俯视车辆检测17-YOLO（v5至v9）数据集合集.rarUlasim-V8 2024-06-30 6:40 PM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据 *注释，创建数据集 ...
俯视车辆检测19-YOLO（v5至v8）、COCO、CreateML、Darknet、Paligemma数据集合集.rar
12-21
俯视车辆检测19-YOLO（v5至v8）、COCO、CreateML、Darknet、Paligemma数据集合集.rarVision_Model-V4 2024-06-22 10:02 AM ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *...
火焰火灾检测31-YOLO（v5至v8）数据集合集.rar
12-11
火焰火灾检测31-YOLO（v5至v8）数据集合集.rarfire_detection_no_sunrise-V3 2024-04-24 8:06 pm ============================= *与您的团队在计算机视觉项目上合作 *收集和组织图像 *了解和搜索非结构化图像数据...
咖啡叶子病害检测数据集VOC+YOLO格式1468张4类别均为单叶子
FL1623863129的博客
05-17 945
标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["Cercospora","Miner","Phoma","Rust"]数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)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。标注数量(xml文件个数)：1468。标注数量(txt文件个数)：1468。
开源项目实战学习之YOLO11：12.1 ultralytics-models-sam-blocks.py源码
kngines
05-17 234
开源项目实战学习之YOLO11：12.1 ultralytics-models-sam-blocks.py源码
YOLO中model.predict方法返回内容Results详解
最新发布
qq_63075864的博客
05-20 235
③data：是一个数组，每个数组的内容是[x_center, y_center, width, height,confidence, class_id]，对应某个检测框的坐标、置信度、类别。③masks：包含检测掩码的掩码对象（就是目标检测的进一步好像，之前是用框来判定对象，现在是用掩码，这里没涉及）②keypoints：关键点对象，包含每个对象的检测关键点（关键点估计那里会用上，这里没涉及）⑦shape：边界框数据的形状（3个框，每个框6个属性）①boxes对象：存有每个预测框的信息（下边细讲）
ROS2使用yoloV12，V11，V10，V9，V8，V5等
qq_35598561的博客
05-19 465
ROS2使用yoloV12，V11，V10，V9，V8，V5等
YOLOv7训练时4个类别只出2个类别
qq_48873240的博客
05-16 1124
在使用YOLOv7进行训练和预测时，发现模型仅能预测出两个类别（LFM和SFM），而实际应有四个类别。经过检查，特征图大小和anchors设置均与YOLOv3一致，且YOLOv3表现正常。最终发现问题可能出在detect.py中的conf-thres参数设置过高，将其从0.5调整为0.1后，问题得到解决。此外，还需注意在NMS操作时不使用classes参数，并在train.py中根据实际类别数和图片大小调整hyp['cls']和hyp['obj']的缩放比例。这些调整有助于确保模型能够正确预测所有类别。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值