【目标检测】道路坑洞数据集2944张YOLO+VOC（已增强）

于 2025-04-10 19:54:14 发布
阅读量452 收藏
点赞数 14
分类专栏： 数据集 文章标签： 目标检测 YOLO 人工智能 道路坑洞
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/lwx666sl/article/details/147126255
版权

【目标检测】道路坑洞数据集2944张YOLO+VOC（已增强）

数据集格式：VOC格式+YOLO格式
压缩包内含：3个文件夹，分别存储图片、xml、txt文件
JPEGImages文件夹中jpg图片总计：2944
Annotations文件夹中xml文件总计：2944
labels文件夹中txt文件总计：2944
标签种类数：1
标签名称:["1"]
每个标签的框数（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）：
1 框数 = 4167
总框数：4167
图片清晰度（分辨率：像素）：清晰
图片是否增强：是
标签形状：矩形框，用于目标检测识别
数据集类型：80m
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

标注示例或图片概览：

TGRS 2024 | 基于多模态自适应特征融合的空中小目标检测方法
小白学视觉
03-29 56
在复杂环境中检测空中小目标面临重大挑战。单幅RGB图像在目标检测中易受环境干扰，且检测时难以保留小目标信息，这些因素促使人们开发新方法以提高空中小目标检测的准确性和鲁棒性。本文提出一种新方法，通过融合RGB和红外（IR）图像实现这一目标，该方法基于现有融合策略并加入了注意力机制。作者采用YOLO-SA网络，它将针对下采样步骤优化的YOLO模型与增强图像集相结合。融合策略采用早期融合方法，尽可能多地保留小目标检测所需的目标信息。
【数据集】工厂固定视角拍摄叉车数据集yolo-voc-9500张
lwx666sl的博客
12-21 182
数据集介绍：此 叉车数据集为工厂仓库内固定摄像拍摄的叉车工作时的视频截图标注而成的数据集。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。压缩包内含：3个文件夹，分别存储图片、xml、txt文件。Annotations文件夹中xml文件总计：9500。JPEGImages文件夹中jpg图片总计：9500。labels文件夹中txt文件总计：9500。数据集格式：VOC格式+YOLO格式。标签形状：矩形框，用于目标检测识别。图片清晰度（分辨率：像素）：清晰。
道路坑洞目标检测数据集VOC+YOLO格式665张1类别.zip
12-13
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)：665 标注数量(xml文件个数)：665 标注数量(txt文件个数)：665 标注类别数：1 标注类别名称:["pothole"] 每个类别标注的框数： pothole 框数 = 1740 总框数：1740 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 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
道路坑洞目测数据集VOC+YOLO格式660张.zip
04-27
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)：665 标注数量(xml文件个数)：665 标注数量(txt文件个数)：665 标注类别数：1 标注类别名称:["pothole"] 每个类别标注的框数： pothole 框数 = 1740 总框数：1740 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 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
【目标检测数据集】路面坑洞数据集yolo+voc格式664张.zip
12-09
数据集介绍：图片主要为乡镇水泥路路面坑洞检测，含极少国道沥青路路面坑洞检测，图片无重复增强 数据集格式：VOC格式+YOLO格式 压缩包内含：3个文件夹，分别存储图片、xml、txt文件 JPEGImages文件夹中jpg图片总计：664 Annotations文件夹中xml文件总计：664 labels文件夹中txt文件总计：664 标签种类数：1 标签名称:["pothole"] 每个标签的框数： pothole 框数 = 1737 总框数：1737 图片清晰度（分辨率：像素）：清晰，像素300-720，大小大部分是几十kb到100多kb的 图片是否增强：否 标签形状：矩形框，用于目标检测识别 重要说明：暂无
YOLO系列目标检测数据集大全
热门推荐
小秋的博客
04-17 14万+
YOLO系列目标检测数据集大全目标检测数据集无人机检测数据集飞鸟检测数据集人脸和口罩检测数据集安全帽检测数据集火焰检测数据集火焰和烟雾检测数据集行人检测数据集行人车辆检测数据集车辆检测数据集待更新…… 目标检测数据集 无人机检测数据集 数据集下载： 飞鸟检测数据集 人脸和口罩检测数据集 安全帽检测数据集 火焰检测数据集 火焰和烟雾检测数据集 行人检测数据集 行人车辆检测数据集 车辆检测数据集 待更新…… .....................
【目标检测】探地雷达金属检测数据集3389张YOLO+VOC格式
最新发布
lwx666sl的博客
02-12 359
【目标检测】探地雷达金属检测数据集3389张YOLO+VOC格式
飞机目标检测
whaosoft143ai的博客
08-20 748
我们观察到，这一假设是正确的，因为与默认的超参数（0.027）相比，使用最优超参数集的训练在epoch 100处实现了更好的性能我们基于验证mAP50-95选择最佳超参数，批量为16，随机梯度下降（SGD），动量为0.937，权重衰减为0.01，分类损失权重λcls=1，box损失权重λbox=5.5，分布焦点损失权重λdfl=2.5。它们体积小，机动性强，噪音低。然后，我们在更能代表真实环境的数据集（即更高的遮挡率、较小的空间大小、旋转等）上使用这些学习到的参数进行迁移学习，以生成我们的精细模型。
无人机数据-目标检测-多目标跟踪-空中小目标检测-drone_ROI_high_416.zip
11-13
无人机目标检测和跟踪数据集，近一万张，每张图片都是从高分辨率图片中切割出来的，都被切割成了416x416大小，类别名为drone,小目标，标签为txt格式和xml格式，可直接用于YOLO目标检测
【目标检测数据集】道路坑洞检测数据集370张VOC+YOLO格式.zip
07-07
【目标检测数据集】道路坑洞检测数据集370张VOC+YOLO格式 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)：370 ...
红外飞机小目标数据集_data1
12-03
红外飞机小目标数据集，共22个data文件夹，每个data文件夹都有标注，不需要自己再做标注。可用于深度学习中红外飞机小目标检测使用，包括天空背景、地面背景、多架飞机、飞机远离、飞机靠近等多种情况。 此处为data1，其他数据集可查看本人其他发布。
空中目标检测与跟踪
09-07
这是整合了X. RONG LI和VESSELIN P. JILKOV有关空中目标跟踪的研究成果。值得参考。
yolov5红外微小无人机-直升机-飞机-飞鸟目标检测模型权重+4000数据集+使用教程+pyqt界面
04-04
训练好的yolov5红外微小无人机-直升机-飞机-飞鸟目标检测模型，4000多千张yolo红外微小无人机-直升机-飞机-飞鸟目标检测数据集，数据集目录已经配置好，yolo格式(txt)的标签，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8等算法可以直接进行训练模型， 数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 https://blog.csdn.net/zhiqingAI/article/details/136952543 数据集配置目录结构data.yaml： nc: 4 names: ['Airplane', 'Bird', 'Drone', 'Helicopter'] pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项
道路行人车辆坑洞锥形桶检测数据集VOC+YOLO格式6275张4类别.7z
03-27
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)：6275 标注数量(xml文件个数)：6275 标注数量(txt文件个数)：...
YOLC：空中图像中的微小物体检测新突破
gzq0723的博客
08-26 953
点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision Institute在人工智能和计算机视觉领域，物体检测是一项基础且关键的任务。尤其在空中图像的背景下，这项任务变得更加复杂和具有挑战性。PART/1 概述目前航拍图像中检测物体有着一下几项重大挑战：1）...
yolo-nas无人机高空红外热数据小目标检测（教程+代码）
QQ_1309399183的博客
10-26 731
yolo-nas无人机高空红外热数据小目标检测（教程+代码）
航空遥感图像(Aerial Images)目标检测数据集汇总
Nick Blog
03-13 5512
常规目标检测数据集有很多，现在前沿的目标检测算法（如Faster R-CNN, Yolo, SSD, Mask R-CNN等）基本都是在这些常规数据集上实验的，但是，基于常规数据集训练的分类器，在航空遥感图像上的检测效果并不好，主要原因是航空遥感图像有其特殊性：1，尺度多样性，航空遥感图像从几百米到近万米的拍摄高度都有，且地面目标即使是同类目标也大小不一，如港口的轮船大的有300多米，小的也只有数...
小目标检测性能起飞！YOLC：简单高效的Anchor Free目标检测框架
CV_Autobot的博客
04-20 1091
作者| 集智书童编辑| 极市平台点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『目标检测』技术交流群本文只做学术分享，如有侵权，联系删文导读作者提出了一种新颖且高效的 Anchor-Free 目标检测框架YOLC，在两个航拍图像数据集上取得了最先进的表现。与许多现有方法相比，它简单优雅，仅包含一个网络，参数...
迈向大规模小目标检测：综述与数据集
qq_43578042的博客
08-07 836
本文对小目标检测进行了全面回顾，首先对基于深度学习的小目标检测算法进行了系统性的综述，同时总结和回顾了常用的一些数据集。为了推动该领域的进一步发展，我们构建了第一个专为小目标检测定制的大规模数据集SODA，包含SODA-D和SODA-A。基于这两个数据集，我们对数个代表性算法进行了性能评估和对比。最后我们对小目标检测的预期发展进行展望：高效特征提取网络：如前所述，现有的骨干网络可能不利于提取小目标的高质量特征表示。
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

不会仰游的河马君

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