无人机手势控制数据集46176张VOC+YOLO格式

于 2025-10-14 22:21:19 发布
阅读量312 收藏 4
点赞数 8
CC 4.0 BY-SA版权
分类专栏： 数据集 文章标签： 无人机 YOLO 无人机手势控制
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/153277120

无人机手势控制数据集46176张VOC+YOLO格式

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：46176
Annotations文件夹中xml文件总计：46176
labels文件夹中txt文件总计：46176
标签种类数：8
标签名称:["follow","follow_hand","land","land_hand","null","object","takeoff","takeoff-hand"]
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）：
follow 框数 = 22056
follow_hand 框数 = 4038
land 框数 = 7609
land_hand 框数 = 3300
null 框数 = 2642
object 框数 = 2
takeoff 框数 = 3494
takeoff-hand 框数 = 3645
总框数：46786
图片清晰度（分辨率：像素）：清晰
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001
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

标注及图片情况如下：

表面缺陷检测数据集汇总及其相关项目推荐 | Github开源
迈微AI研习社 · 号主
09-27 1万+
全网目前最全的表面缺陷检测数据集整合，包含项目GitHub Repo
Yolo11数据处理：数据增强篇|图像旋转
m0_47867638的博客
03-01 441
假设一种情况：数据集是别人给你做好的Yolo格式的数据，是遥感或者无人机拍摄的数据。我们对其做一些旋转增强。
工业缺陷检测相关数据集
qq_38220914的博客
03-06 1189
传统方法包括基于边缘检测、纹理分析和形状匹配等技术，近年来，基于深度学习的特征提取方法也得到了广泛应用，如卷积神经网络（CNN）能够自动学习和提取图像中的复杂特征，显著提升了缺陷检测的精度和效率。传统方法包括基于边缘检测、纹理分析和形状匹配等技术，近年来，基于深度学习的特征提取方法也得到了广泛应用，如卷积神经网络（CNN）能够自动学习和提取图像中的复杂特征，显著提升了缺陷检测的精度和效率。以往的方法通常只能检测特定种类的缺陷，现今的方法需要具备检出各种样式的缺陷的能力，避免出现漏检情况。
各种军用坦克的图片数据集
10-08
各种军用坦克图片数据集 数据说明： 该数据集包含各种军用坦克及其图像1078张，可以通过增加特定类别的图像来扩展数据集。 数据格式为jpg.
数据集-目标检测系列- 坦克 检测数据集 tank ＞＞ DataBall
09-29
数据集-目标检测系列- 坦克 检测数据集 tank ＞＞ DataBall 标注文件格式：xml 解析脚本地址： gitcode: https://gitcode.com/DataBall/DataBall-detections-100s/overview or github: https://github.com/TechLinkX/DataBall-detections-100s 脚本运行方式： * 设置脚本数据路径 path_data * 运行脚本：python demo.py 样本量： 105 目前数据集暂时在该网址进行更新： https://blog.csdn.net/weixin_42140236/article/details/142447120?spm=1001.2014.3001.5501
【目标检测】探地雷达金属检测数据集3389张YOLO+VOC格式
lwx666sl的博客
02-12 438
【目标检测】探地雷达金属检测数据集3389张YOLO+VOC格式
《YOLO 数据集下载全攻略》：此文为AI自动生成
zheng_ruiguo的专栏
10-20 2504
YOLO（You Only Look Once）数据集在计算机视觉领域具有至关重要的地位。它广泛应用于多个领域，如自动驾驶、视频监控、机器人视觉、增强现实、医疗图像分析和无人机等。在自动驾驶中，YOLO 数据集能够帮助系统实时检测路面上的行人、车辆和交通标志等对象，为安全驾驶提供决策依据。据统计，在自动驾驶领域，使用 YOLO 数据集进行目标检测，能够在每秒钟处理数十帧图像，大大提高了自动驾驶系统的反应速度和安全性。
YOLO技术概要学习笔记1——什么是YOLO
JAMES费的空间
06-05 1077
实时物体检测已经成为众多邻域应用的关键组成部分，这些领域包括：自动驾驶车辆、机器人、视频监控和增强现实等。在众多物体检测算法中，近年来，YOLO（You Only Look Once）框架以其卓越的速度和准确性脱颖而出，实际证明能够快速可靠地识别图像中的物体。自诞生以来，YOLO经过了多次迭代，每个版本都在前一版本的基础上进行改进，不断在提高性能，截至本文发稿，YOLO框架从V1已经更新到了v8。
万字长文，小白新手怎么开始做YOLO实验，从零开始教！整体思路在这里，科研指南针!
YOLOv8项目贡献者
06-01 1万+
万字长文，小白新手怎么开始做YOLO实验，从零开始教！整体思路在这里，科研指南针!
目标检测YOLO实战应用案例100讲-机器人路径规划与目标检测（续）
qq_36130719的博客
10-03 505
卷积神经网络训练是为了让模型自主学习输入和输出之间的联系，使得当给定一个输入时，模型能识别图像中的目标。卷积神经网络的训练需要大量的带标签的数据集作为输 入，通过每层网络不断更新参数，以降低输出和输入之间的偏差，当误差最小时，训练效 果最好。卷积神经网络的训练过程包括前向传播和反馈传播两个阶段。前向传播是为了计 算网络输出结果和真实结果之间的误差。反馈传播通过计算误差梯度，将误差信息反馈给 每层网络，使之进行参数更新，以达到不断优化网络的目的。训练过程整体流程如图3-5 所示。
EDS-安检x光危险物品识别检测数据集4718张+(voc-yolo-json)三种格式标签
11-28
【实际项目应用】： 机场、火车站智能安检、智能安防等。 【数据集说明】： EDS安检x光危险物品检测数据集，一共4718张图片，标签包含voc（xml）与yolo（txt）、json三种格式，目标共10类，分别是["笔记本电脑","手机平板","打火机","剪刀","压力罐","充电宝","雨伞","玻璃瓶","塑料瓶","刀具"]， 数据标注精确，数据量充足，多种目标检测算法可直接使用。实际安检落地项目所用，算法拟合不错，数据质量可靠。 更多数据集介绍请看https://blog.csdn.net/DeepLearning_/article/details/127276492?spm=1001.2014.3001.5502 【重要提醒】 1、csdn上资源保证是完整最新，会不定期更新优化； 2、通过第三方代下载，而不是直接自己账号在csdn官方下载，博主不对下载的资源作任何保证，且不提供任何形式的技术支持和答疑！！！
RSDDs铁轨表面缺陷数据集
09-05
RSDDs铁轨表面缺陷数据集
铁轨表面缺陷数据集，里面包含jpg图片和标注生成的xml文件
03-03
铁轨表面缺陷数据集，里面包含图片和xml文件，可用于yolov3训练、yolov4训练、yolov5训练，训练可达到百分之95以上的准确度。
安检x光危险物品识别检测数据集VOC+YOLO格式9551张12类别.zip
09-01
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)：9551 标注数量(xml文件个数)：9551 标注数量(txt文件个数)：9551 标注类别数：12 标注类别名称:[“Cans”,“CartonDrinks”,“GlassBottle”,“PlasticBottle”,“SprayCans”,“SwissArmyKnife”,“Tin”,“VacuumCup”,“blade”,“dagger”,“knife”,“scissors”] 对应中文名： [“罐头”、“纸箱冲洗”、“玻璃瓶”、“塑料瓶”、”喷雾罐“、”瑞士军刀“、”锡“、”真空吸盘“、”刀片“、”匕首“、”刀“、“剪刀”] 更多信息：https://blog.csdn.net/FL1623863129/article/details/141788840
基于深度学习的安检X光危险物检测系统（YOLOv8+YOLO数据集+UI界面+Python项目+模型）
最新发布
斌擎科技
04-22 1645
本项目基于先进的YOLOv8目标检测算法，开发了一套专门用于安检X光图像的危险物品自动检测系统。系统能够识别18类常见危险物品，包括各类刀具（Axe、Knife、Throwing Knife等）、工具类物品（Hammer、Chisel、Spanner等）、易燃易爆物品（Firecracker、Lighter）、电子设备（SmartPhone、USB、SupplymentaryBattery）以及武器类（Gun、HandCuffs）等。项目使用包含6265张标注X光图像的数据集进行训练和验证，其中训练集438
全网最全开源工业缺陷数据集汇总（已更新24个）
热门推荐
李是李雅普诺夫的李的博客
08-23 2万+
欢迎大家关注我的公众号：一刻AIhttp://weixin.qq.com/r/kChDW_bEAbt_raI4932C (二维码自动识别)本文目前汇总了常见的24个开源工业缺陷数据集，持续更新中（欢迎大家留言补充，共同建设一个为大家提供便利的文章）1、东北大学热轧带钢表面缺陷数据集官方链接：Vision-based SIS for steel该数据集是东北大学的宋克臣等几位老师收集的，一共包含了三...
x光违禁物品图片 津南大赛【赛场二】 数据集
viafcccy的博客
09-09 3514
可以评论留言问我
道路坑洞数据集（坑洞目标检测）VOC+YOLO格式650张
lwx666sl的博客
12-13 1496
数据集名称：道路坑洞目标检测数据集 数据集格式：VOC格式+YOLO格式 图片数量(jpg文件个数)：650 标注数量(xml文件个数)：650 标注数量(txt文件个数)：650 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
草莓成熟度检测数据集VOC+YOLO格式3294张4类别
FL1623863129的博客
01-26 440
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):["flower","half_ripe","initial_ripe","ripe"]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)：3294。标注数量(txt文件个数)：3294。
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