人脸检测和人体检测(行人检测)1:人脸检测和人体检测数据集(含下载链接)

人脸检测和人体检测(行人检测)1:人脸检测和人体检测数据集(含下载链接)

目录

人脸检测和人体检测(行人检测)1:人脸检测和人体检测数据集(含下载链接)

1. 前言

2. VOC数据集

3. COCO数据集

4. MPII数据集

5.人体检测(包含人体+人脸框)数据集下载

6.人体检测(行人检测)效果(Python版本)

7.人体检测(行人检测)效果(Android版本)


1. 前言

这是项目《人脸检测和人体检测数据集(含下载链接)》系列之《人脸检测和人体检测数据集》;我们将介绍几个常见的人体检测数据集:VOC,COCO和MPII数据集,总数据量约10W左右,可用于人体(行人)检测模型算法开发。原始数据集只标注了人体检测框,但没有人脸框,考虑到很多项目业务需求,需要同时检测人脸和人体框;故已经将这三个数据都标注了person和face两个标签,以便深度学习目标检测模型训练。整合后的VOC,COCO和MPII数据集,可用于深度学习人脸检测人体检测模型算法开发。

 【尊重原创,转载请注明出处】https://blog.csdn.net/guyuealian/article/details/128821763


 更多项目《行人检测(人体检测)》系列文章请参考:

  1. 行人检测(人体检测)1:人体检测数据集(含下载链接):https://blog.csdn.net/guyuealian/article/details/128821763
  2. 行人检测(人体检测)2:YOLOv5实现人体检测(含人体检测数据集和训练代码):https://blog.csdn.net/guyuealian/article/details/128954588
  3. 行人检测(人体检测)3:Android实现人体检测(含源码,可实时人体检测):https://blog.csdn.net/guyuealian/article/details/128954615
  4. 行人检测(人体检测)4:C++实现人体检测(含源码,可实时人体检测):https://blog.csdn.net/guyuealian/article/details/128954638

 如果需要进行人像分割,实现一键抠图效果,请参考文章:《一键抠图Portrait Matting人像抠图 (C++和Android源码)


2. VOC数据集

VOC数据集,这应该是深度学习目标检测最常见的数据集,一共有20个类别,分为VOC2007和VOC2012两个数据集,总共约2.7W的数据量。如果你只需要训练人体检测,需要提取VOC数据集中person标签的数据。

"aeroplane",
"bicycle", 
"bird", 
"boat", 
"bottle", 
"bus", 
"car", 
"cat",
"chair", 
"cow", 
"diningtable", 
"dog", 
"horse", 
"motorbike", 
"person", 
"pottedplant", 
"sheep", 
"sofa", 
"train", 
"tvmonitor"


3. COCO数据集

COCO数据集是一个可用于图像检测(image detection),语义分割(semantic segmentation)和图像标题生成(image captioning)的大规模数据集。它有超过330K张图像(其中220K张是有标注的图像),包含150万个目标,80个目标类别(object categories:行人、汽车、大象等),91种材料类别(stuff categoris:草、墙、天空等),每张图像包含五句图像的语句描述,且有250,000个带关键点标注的行人。

  

'background', 'person', 'bicycle', 'car', 'motorcycle', 'airplane', 'bus', 'train','truck', 'boat', 'traffic light', 'fire hydrant', 'stop sign',
'parking meter', 'bench', 'bird', 'cat', 'dog', 'horse', 'sheep',
'cow', 'elephant', 'bear', 'zebra', 'giraffe', 'backpack', 'umbrella',
'handbag', 'tie', 'suitcase', 'frisbee', 'skis', 'snowboard', 'sports ball','kite', 'baseball bat', 'baseball glove', 'skateboard', 'surfboard', 'tennis racket','bottle', 'wine glass', 'cup', 'fork', 'knife', 'spoon', 'bowl', 'banana',
'apple', 'sandwich', 'orange', 'broccoli', 'carrot', 'hot dog', 'pizza',
'donut', 'cake', 'chair', 'couch', 'potted plant', 'bed', 'dining table', 'toilet','tv', 'laptop', 'mouse', 'remote', 'keyboard', 'cell phone', 'microwave','oven', 'toaster', 'sink', 'refrigerator', 'book', 'clock', 'vase', 'scissors', 'teddy bear', 'hair drier', 'toothbrush'

如果你只需要训练人体检测,需要提取VOC数据集中person标签的数据。


4. MPII数据集

MPII 人体姿势数据集是用于评估铰接式人体姿势估计的最先进基准。该数据集包括大约 25,000 张图像,其中包含超过40,000 个人的身体关节注释。这些图像是使用日常人类活动的既定分类法系统地收集的。总体而言,该数据集涵盖了 410 种人类活动,并且每张图像都带有一个活动标签。每张图片都是从 YouTube 视频中提取的,并提供了前后未注释的帧。

  • 下载地址:http://human-pose.mpi-inf.mpg.de/#download

MPII数据集原本是2D-Pose人体关键点检测(人体姿势数据集),稍微处理即可获得person的人体检测数据集。


5.人体检测(包含人体+人脸框)数据集下载

原始官方下载VOC数据集,COCO数据集和MPII数据集,数据格式并不统一,也有很多非人体的数据,需求剔除。这里已经将这三个数据集整合为统一的格式人体检测数据集,数据统一转换为VOC数据格式,人体标注框名称统一为“person”;这三个数据集都标注了人体检测框,但没有人脸框,考虑到很多项目业务需求,需要同时检测人脸和人体框;故已经将这三个数据都标注了person和face两个标签,以便深度学习目标检测模型训练。

人体检测数据集包含VOC人体数据集+COCO人体数据集+MPII人体数据集

数据集下载地址行人检测(人体检测)1:人体检测数据集(含下载链接)

(1)VOC人体数据集 

  1. VOC2007: 共9963张图片
  2. VOC2012:共17125张图片
  3. 已经标注了人脸框(face)和人体框(person)
  4. 可直接用于深度学习人体检测模型训练

(2)COCO人体数据集

  1. 总共66697张含有人体的图片
  2. 已经将COCO数据集转换为VOC数据格式,可直接用于深度学习人体检测模型训练
  3. 已经标注了人脸框(face)和人体框(person)
  4. 如果你需要原始COCO的数据集,请到官网https://cocodataset.org/ 下载

(3)MPII人体数据集

  1. 总共21430张含有人体的图片
  2. 已经将MPII数据集转换为VOC数据格式,可直接用于深度学习人体检测模型训练
  3. 已经标注了人脸框(face)和人体框(person)
  4. 如果你需要原始COCO的数据集,请到官网 http://human-pose.mpi-inf.mpg.de/#download 下载



6.人体检测(行人检测)效果(Python版本)

行人检测(人体检测)2:YOLOv5实现人体检测(含人体检测数据集和训练代码):https://blog.csdn.net/guyuealian/article/details/128954588


7.人体检测(行人检测)效果(Android版本)

 行人检测(人体检测)3:Android实现人体检测(含源码,可实时人体检测):https://blog.csdn.net/guyuealian/article/details/128954615

  Android人体检测APP Demo体验:https://download.csdn.net/download/guyuealian/87441942

### 回答1: "yolo行人检测数据集"是一个用于训练和测试目的的数据集,旨在进行行人检测任务。该数据集主要用于训练计算机视觉模型,以便能够在图像或视频中准确地检测行人的存在。 该数据集通常包大量图像和/或视频,这些图像和视频涵盖了各种环境和场景,例如城市街道、公共广场或人们经常行走的地方。每个图像或视频都配有标签,标记出图像中的行人位置和边界框。 这个数据集的使用非常广泛,特别是在计算机视觉和深度学习领域。研究人员和开发人员可以利用该数据集进行算法开发、性能评估和模型训练等任务。通过使用该数据集,可以训练出准确度较高的行人检测模型,从而在实际应用中提供更好的行人检测和跟踪结果。 此外,yolo行人检测数据集还可以用于改进人类行为分析、交通监控、智能安防和自动驾驶等应用。通过对数据集中的图像或视频进行分析,可以了解行人在不同场景下的行为模式和特征,进而为相关应用提供更准确的结果和更好的决策支持。 总之,yolo行人检测数据集是一个用于训练和测试行人检测模型的数据集,具有广泛的应用前景。通过该数据集,研究人员和开发人员可以提高行人检测算法的性能,从而为各种应用场景提供更准确和可靠的行人检测和跟踪功能。 ### 回答2: YOLO(You Only Look Once)行人检测数据集是一个被广泛应用于计算机视觉领域的数据集。该数据集主要用于训练目标检测模型,能够准确地识别出图像中的行人。 该数据集大量的图像样本,这些图像样本都经过标注,标明了行人的位置和大小等信息。这些标注信息可以帮助模型学习识别行人的特征,并能够对新的图像进行准确的行人检测。 YOLO行人检测数据集的样本来源广泛,包括城市街景、室内场景、人流密集的公共场所等。这样的多样性来源使得模型对各种环境下的行人检测都能够有良好的泛化性能。 使用YOLO行人检测数据集进行训练,可以得到一个高性能的行人检测模型。该模型可以应用于人流监控、智能交通系统、人脸识别等领域,具有广泛的应用前景。 值得一提的是,为了保护个人隐私以及数据的真实性,YOLO行人检测数据集在采集和使用过程中需要遵守相关的法律和道德规范。在使用数据集时,需要注意保护图片中的人员隐私,不得滥用数据集。同时,在使用数据集的过程中,需注重数据的来源和质量,确保数据的真实性和可靠性。 总而言之,YOLO行人检测数据集是一个用于训练自动行人检测模型的数据集,其通过大量标注的图像样本可以帮助模型学习识别行人的特征,具有广泛的应用前景。使用数据集时,需遵守相关法律和道德规范,注重对人员隐私的保护,确保数据的真实性和可靠性。 ### 回答3: YOLO行人检测数据集是一种用于训练和评估行人检测算法的数据集。YOLO是一种基于深度学习的目标检测算法,它能够实现实时目标检测和定位。行人检测数据集了大量的图像和相应的标签,这些标签用于指示图像中是否存在行人以及行人的位置信息。 行人检测数据集通常由专门的团队或机构收集和标记。数据集中的图像通过在真实场景中拍摄或是从其他来源收集。在收集图像时,会确保图像中包足够的行人样本并覆盖不同环境、天气和光照条件。图像中的行人有不同的姿势、尺度和遮挡情况,这样可以更好地训练算法以适应各种情况。 每张标记了行人的图像都会有相应的标签信息。标签通常包括行人的边界框位置、行人的类别(行人)以及其他属性(例如行人的朝向、是否遮挡等)。这些标签信息是基于人工标注或者自动化算法提取得到的,旨在为算法提供足够的信息以进行有效的行人检测和定位。 YOLO行人检测数据集被广泛用于行人检测算法的训练和评估。它在人工智能、自动驾驶、视频监控等领域发挥着重要作用。使用这个数据集进行算法训练可以提高行人检测的准确性和鲁棒性,使算法能够更好地应对各种场景和挑战。同时,通过使用该数据集进行算法评估,可以定量地评估算法性能,并与其他算法进行比较。 总之,YOLO行人检测数据集是一种用于训练和评估行人检测算法的数据资源,它提供了大量的图像和相应的标签信息,可以帮助算法更好地理解和检测图像中的行人
评论 18
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

AI吃大瓜

尊重原创,感谢支持

¥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
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