bdd100k数据集VOC+YOLO格式79850张13类别

已于 2024-05-25 10:58:52 修改
阅读量411 收藏 3
点赞数 3
分类专栏： 数据集 文章标签： YOLO 深度学习 机器学习
于 2024-05-25 10:58:08 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/FL1768317420/article/details/139194250
版权

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)
图片数量(jpg文件个数)：79850
标注数量(xml文件个数)：79850
标注数量(txt文件个数)：79850
标注类别数：13
标注类别名称:[“bicycle”,“bus”,“car”,“motorcycle”,“other person”,“other vehicle”,“pedestrian”,“rider”,“traffic light”,“traffic sign”,“trailer”,“train”,“truck”]
每个类别标注的框数：

类别名称框数
bicycle8161
bus13637
car803495
motorcycle3483
other person211
other vehicle889
pedestrian105573
rider5218
traffic light214746
traffic sign272977
trailer73
train143
truck32132
总框数1460738
使用标注工具：labelImg

标注规则：对类别进行画矩形框
重要说明：数据集经过检验发bddk100里面部分标注存在错误已经剔除
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

FL1768317420
关注
专栏目录
使用yolov5训练自动驾驶目标检测数据集BDD100K
雷恩Layne
07-20 1万+
文章目录一、什么是BDD100K二、数据预处理三、环境配置四、修改模型结构五、迁移学习六、训练BDD100K七、评估性能八、结语 一、什么是BDD100K BDD100K是伯克利发布的开放式驾驶视频数据集，其中包含10万个视频和10个任务（因为把交通灯的颜色也区分了出来，实际上是13类分类任务），目的是方便评估自动驾驶图像识别算法的的进展。该数据集具有地理，环境和天气多样性，从而能让模型能够识别多种场景，具备更多的泛化能力。 由于硬件限制，我只里训练其中的图片数据，数据集按Train、Valid、Test三
夜间车辆检测数据集（已标注）
06-25
数据集包含约10000张图像，这些图像已经被专业标注，这意味着每一张图片都配有XML标签文件。XML标签文件是数据集的关键组成部分，它们包含了图像中的每一个目标物体（在这里是车辆）的相关信息，如边界框坐标、类别...
目标检测+BDD100k 交通数据检测+70000张训练集(图片和标签对应）+10个类别检测（图片需要的留言，太大传不了）
07-05
BDD100K数据集。BDD100K（Berkley DeepDrive 100K）是一个大规模的自动驾驶数据集，由加州大学伯克利分校的Berkley DeepDrive项目团队创建。该数据集旨在为自动驾驶研究提供大量的真实世界驾驶场景数据。 BDD100K数据集包含超过10万个视频序列，涵盖了不同地点、不同天气条件、不同场景的驾驶情况。每个视频序列都配备了高分辨率的前置摄像头记录的图像和对应的传感器数据，如GPS位置、车辆速度、车辆加速度等。这使得研究人员可以在真实世界的多样化驾驶场景中进行算法和模型的测试和评估。 BDD100K数据集主要关注场景理解和目标检测任务。它提供了包括车辆、行人、自行车、交通标志等多个类别的标注边界框。此外，数据集还提供了语义分割标注，用于对图像进行像素级别的分类。这使得研究人员可以进行更细粒度的场景理解和分析。 BDD100K数据集的规模和多样性使得它成为自动驾驶研究和算法开发的重要资源。研究人员可以利用该数据集进行目标检测、语义分割、行为预测等任务的训练和评估。一共上传的是7万张图片以及对应的标签（json格式），需要进行格式转换。图片过大传不了
车辆检测数据集
03-06
128*128的ppm图片
＜数据集＞BDD100K人车识别数据集＜目标检测＞
qq_53332949的博客
08-04 463
YOLO与VOC格式的BDD100K人车识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练，图片数量15807，类别：pedestrian、car、bus、rider、motorcycle、truck、bicycle
[数据集][目标检测]弹簧上料检测数据集VOC+YOLO格式142张2类别
FL1623863129的博客
05-16 369
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。标注类别名称:["ng","ok"]图片数量(jpg文件个数)：142。标注数量(xml文件个数)：142。标注数量(txt文件个数)：142。使用标注工具：labelImg。标注规则：对类别进行画矩形框。ng 框数 = 1130。ok 框数 = 987。
BDD100K数据集入门
牛肉胡辣汤
10-20 1772
BDD100K（Berkeley DeepDrive 100K）是由伯克利深度驾驶项目团队创建的一个大规模自动驾驶数据集。它包含了具有高分辨率图像和详细标注的100,000个驾驶场景。该数据集的目标是为自动驾驶系统的开发和评估提供一个丰富并具有代表性的资源。本文将引导您如何开始使用BDD100K数据集。
BDD100K数据集，包含所有的训练集和测试集，以及darknet文件，可以直接训练
06-25
BDD100K数据集，包含所有的训练集和测试集，以及darknet文件，可以直接训练
bdd100k数据集对应的yolo格式数据集(yolo格式标签+图片数据集).zip
09-18
bdd100k数据集对应的yolo格式的标签，由原始json标签转化，非常好用。其中训练集有70k，验证集有10k。BDD100K数据集是由伯克利大学AI实验室（BAIR）发布了目前最大规模、内容最具多样性的公开驾驶数据集，类别有['...
transformer目标识别针对bdd100k数据集
03-05
而 BDD100K 数据集是一个大规模的自动驾驶场景数据集，包含了丰富的图像和标注信息。下面是 Transformer 目标识别针对 BDD100K 数据集的介绍： 1. 数据集准备：首先，需要将 BDD100K 数据集进行预处理，包括图像的...
UA-DETRAC，车辆检测数据集8250车辆。
03-05
UA-DETRAC，车辆检测数据集8250车辆。
bdd100k:BDD100K数据集
04-06
BDD100K是用于异构多​​任务学习的多样化驾驶数据集。 | | 我们构建BDD100K，这是最大的具有10万个视频和10个任务的开放式驾驶视频数据集，以评估自动驾驶图像识别算法的令人兴奋的进展。 每个视频都有40秒和高分辨率。 该数据集代表了超过1000个小时的驾驶经验以及超过1亿个帧。 这些视频随附GPU / IMU数据以获取轨迹信息。 该数据集具有地理，环境和天气多样性，对于训练不太可能因新条件而感到惊讶的模型很有用。 充满活力的户外场景和复杂的自我车辆运动使感知任务更具挑战性。 该数据集上的任务包括图像标记，车道检测，可驾驶区域分割，道路对象检测，语义分割，实例分割，多对象检测跟踪，多对象分割跟踪，领域适应和模仿学习。 此存储库包含使用的工具包和资源。 要引用论文中的数据集， @InProceedings{bdd100k, author = {Yu, Fisher
Car Object Detection汽车目标检测-数据集
03-18
YOLO（“您只看一次”）是一种流行的算法，因为它不仅具有很高的准确性，而且还可以实时运行，几乎每秒可以记录45帧。数据集包含所有视图中的汽车媒体。 sample_submission.csv train_solution_bounding_boxes (1).csv Car Object Detection_datasets..txt Car Object Detection_datasets..zip
voc车辆检测数据集（已处理好，可直接训练）
03-25
1.voc车辆检测数据集，可直接训练，数据已经处理 2.2000张主要包括：轿车、卡车、公交车、摩托车、自行车 3.需要更多数据集请私聊
车内视角行人识别数据集
最新发布
09-04
YOLO与VOC格式的车内视角行人识别数据集，取自BDD100K数据集，只保留其中行人类别，适用于YOLO系列、Faster Rcnn、SSD等模型训练，图片数量6470。文件中包含图片、txt标签、指定类别信息的yaml文件、xml标签，已将...
＜数据集＞UA-DETRAC车辆识别数据集＜目标检测＞
qq_53332949的博客
07-11 860
YOLO与VOC格式的车辆识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练，类别：car、van、others、bus，图片数量20500。
车辆信息检测数据集收集汇总
热门推荐
Make AI，Not War
09-02 3万+
车辆信息检测数据集收集汇总 目录： UA-DETRAC 车牌数据集 自动驾驶数据集 车辆类型数据集 综合汽车（CompCars）数据集 汽车数据集（检测用） OpenData V11.0-车辆重识别数据集 VRID Stanford Cars Dataset N-CARS数据集 汽车评估数据集 更多关于自动驾驶的数据集（50个） 1.UA-DETRAC http://detrac-db.ri...
bddk100 转coco
07-28
你可以使用以下代码将bddk100数据集转换为COCO格式： ```python import os import json from PIL import Image # BDDK100数据集的路径 bddk100_path = 'path_to_bddk100_dataset' output_path = 'path_to_save_coco_annotations' # 创建COCO格式的注释和图像列表 coco_data = { "info": {}, "licenses": [], "categories": [], "images": [], "annotations": [] } # 添加类别列表 category_list = ['car', 'bus', 'person', 'bike'] # 根据你的数据集进行修改 for i, category_name in enumerate(category_list): category = { "id": i+1, "name": category_name, "supercategory": "object" } coco_data["categories"].append(category) # 处理图像和注释 image_id = 1 annotation_id = 1 image_list = os.listdir(os.path.join(bddk100_path, 'images')) for image_filename in image_list: image_filepath = os.path.join(bddk100_path, 'images', image_filename) image = Image.open(image_filepath) image_info = { "file_name": image_filename, "height": image.height, "width": image.width, "id": image_id } coco_data["images"].append(image_info) annotation_filename = image_filename.replace(".jpg", ".json") annotation_filepath = os.path.join(bddk100_path, 'annotations', annotation_filename) with open(annotation_filepath, 'r') as f: annotation_data = json.load(f) for annotation in annotation_data['objects']: bbox = annotation['bbox'] annotation_info = { "id": annotation_id, "image_id": image_id, "category_id": category_list.index(annotation['category']) + 1, "bbox": bbox, "segmentation": [], "area": bbox[2] * bbox[3], "iscrowd": 0 } coco_data["annotations"].append(annotation_info) annotation_id += 1 image_id += 1 # 保存COCO格式的注释 with open(os.path.join(output_path, 'bddk100_coco.json'), 'w') as f: json.dump(coco_data, f) ``` 请替换`bddk100_path`为你的BDDK100数据集的路径，并设置`output_path`为你想要保存COCO注释的路径。此代码将遍历图像文件夹中的图像，并将其与相应的注释转换为COCO格式的JSON文件。注意，你需要根据你的数据集修改类别列表`category_list`。 运行以上代码后，你将得到一个名为`bddk100_coco.json`的COCO格式注释文件。
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

打赏作者

FL1768317420

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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