非机动车检测数据集(用于训练目标跟踪)

数据集介绍       

       该数据集主要包含自行车、电动车和摩托车，标签都是yolo格式，是经过本人精心挑选及筛选的。博客上也有很多其它数据集资源，但经本人下载后有很多图片的标签有误，甚至压根就不是人工标注的（估计是拿模型直接检测出来的），这个严重影响模型的精度。
        数据集图片总数为12811，标签文件名与图片名一一对应，但是有的标签文件是多余的，不对应图片，训练的时候直接根据图片读标签即可。
        标签格式：（类别  id  归一化后的x,y,w,h），其中id均为-1，因为我用这个数据集训练的跟踪模型，所以会有id信息。如果只想训练检测模型，对标签用代码处理以下即可。

个别图片展示

 

标签转换

       原始标签格式，这里将摩托车、自行车、三轮车全部归为一类。

        为了方便训练非机动车检测模型，在这里给出转换脚本，将所有标签里-1那列去掉。

import numpy as np
import os

# 标签路径 最好不要包含中文
root = r'C:\Users\admin\Desktop\Data_motorcycle\labels_with_ids'
# 写入路径
save_path = r'C:\Users\admin\Desktop\Data_motorcycle\labels'

label_path = os.listdir(root)

for path in label_path:
    name = os.path.join(root, path)
    txt = np.loadtxt(name, delimiter='\n', dtype=str)

    if txt.size == 1:
        txt = str(txt).split(' ')
        s = '0 {} {} {} {}\n'.format(txt[2], txt[3], txt[4], txt[5])
        with open(os.path.join(save_path, path), 'w') as f:
            f.write(s)
    else:
        for i in txt:
            i = i.split(' ')
            s = '0 {} {} {} {}\n'.format(i[2], i[3], i[4], i[5])
            with open(os.path.join(save_path, path), 'a') as f:
                f.write(s)

测试效果

 资源路径

如果需要购买，可点击：

非机动车检测数据集（百度网盘提取，永久有效）_非机动车数据集,目标检测非机动车数据集-深度学习文档类资源-CSDN文库