yolo无人机数据集 有两万多张 带标注（yolo格式）

于 2024-07-19 18:24:25 发布
阅读量36 收藏
点赞数 1
文章标签： YOLO 无人机 人工智能 深度学习 yolov5 yolov8
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/m0_52063033/article/details/140557073
版权

yolo无人机数据集 有两万多张 带标注（yolo格式）


已划分 训练集2008张，验证集287张，测试集571


类别为五种 0为Person，1为Car，2为Bicycle，3为OtherVehicle，4为DontCare


该数据集包含从43470帧中提取的2898幅红外热图像，这些图像由无人机从不同场景（学校、停车场、道路、操场等）捕捉到，涵盖范围广泛，包括物体（人、自行车、汽车、其他车辆）、飞行高度数据（60至130米）、相机透视数据（30至90度）和日光强度（白天和晚上）

链接：https://item.taobao.com/item.htm?spm=a21dvs.23580594.0.0.3bc12c1bWJz7Kg&ft=t&id=816955819909

m0_52063033
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
无人机数据集带标注YOLO
06-28
使用LABELIMG标注，分成train,valid,test三个文件夹，直接训练就行了
无人机高空红外数据集VOC+YOLO格式2866张5类别
03-04
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)：2866 标注数量(xml文件个数)：2866 标注数量(txt文件个数)：...
YOLO无人机目标检测数据集(含10000张图片)+对应voc、coco和yolo三种格式标签+划分脚本+训练教程.rar
10-20
1、YOLO无人机目标检测数据集，真实场景的高质量图片数据，数据场景丰富。使用lableimg标注软件标注，标注框质量高，含voc(xml)、coco(json)和yolo(txt)三种格式标签，分别存放在不同文件夹下，可以直接用于YOLO系列...
YOLO系列算法旋翼无人机目标检测 YOLO无人机检测数据集-drone-part1.zip
04-17
1、YOLO系列算法旋翼无人机目标检测，数据集，都已经标注好，标签格式为VOC和YOLO两种格式，可以直接使用，共量部分，由于数量量太大，分为两部分，这里是第一部分 2、part1数量：5000多张 3、classes: drone 4、有...
YOLO指针仪表目标检测数据集(含1000张图片)+已标注xml、json和txt三种格式标签.rar
05-11
1、资源描述：YOLO指针仪表目标检测数据集(含1000张图片)+已标注xml、json和txt三种格式标签.rar 2、资源特点：数据质量高、标注框质量高，可以直接用于yolo目标检测 3、适用对象：计算机，电子信息工程、数学等专业...
YOLOV3翻译
smilejfy的博客
07-15 524
我们对 YOLO 进行了一些更新！我们在设计上做了一些小改动，使它变得更好。我们还训练了一个新的网络，它非常强大。在模型上，它比上次的大了一点，但更准确了，不过速度还是很快，不用担心。在 320×320 时，YOLOv3 以 28.2 mAP 在 22 毫秒内运行，与 SSD 一样精确，但速度快三倍。当我们使用旧的 0.5 IOU mAP 检测指标时，YOLOv3 的表现相当不错。
YOLOv8改进 | 检测头 | 融合渐进特征金字塔的检测头【AFPN3】
kay_545
07-15 824
yolov8改进，yolov8，AFPN检测头
Yolov8网络结构学习
Linxiaojiejieya的博客
07-17 677
首先，使用1x1卷积核将输入通道数减少到原来的1/2，以减少计算量和内存消耗。yolov5中的C3模块在yolov8中被替换为了C2f，C2f则采用了yolov7中ELAN 多层堆叠的结构，增加了更多类似resnet残差块中的跳跃连接,丰富了模型的梯度流。在C2f模块中用到的DarknetBottleneck模块，使用多个3x3卷积核进行卷积操作，提取特征信息，同时其具有add是否进行残差链接的选项。与yolov5一样，每个卷积层的模块都采用步长为2的卷积核进行降采样操作，减少特征图的尺寸同时增加通道数。
【Yolov8】1、anaconda下载安装创建独立环境
ladymorgana的博客
07-17 339
当我们做其他项目的时候，也应该新建独立环境安装，这样就不容易起冲突导致环境无法使用，是选择y/n时默认选择yes。解读：（下面参数可以修改）推荐安装在非C盘区域。
yolo格式数据集之狗类120种数据集已划分好|可以直接使用|yolov5|v6|v7|v8|v9|v10通用
qq_15060477的博客
07-14 209
yolo格式数据集之狗类120种数据集已划分好|可以直接使用|yolov5|v6|v7|v8|v9|v10通用。总共有:19983张。训练集：16001张。
YOLOv5分类任务——手势识别
Winkyyyyyy的博客
07-15 1083
使用YOLOv5的分类功能实现手势识别
WSL-Ubuntu20.04环境使用YOLOv8 TensorRT推理加速
ice
07-15 354
在阅读本章内容之前，需要把部署环境以及训练环境都安装好。
YOLOv5白皮书-第Y6周：模型改进
lihuhelihu的博客
07-13 1184
然后在yolov5s.yaml中，在backbone把索引为4的层从C3 * 2修改为C2 * 2 ，因为yolov5s.yaml已经写明depth_multiple为0.33，0.33 * 6 约等于 2，所以第4层为：[-1, 6, C2, [256]]其实还有隐藏任务，就是去除了索引为7、8的层后，原来8层后面的索引也会改变的，这也是要注意的，特别是有concat的地方，更要注意了，这会在后面的代码修改中有解释。把索引为4的层从C3 * 2修改为C2 * 2。
YOLOV5的输出[1,25200,85]如何理解和解析
chenyuan1111的博客
07-17 166
1、25200代表着检测框的数量，比如我们取出第一个检测框a，也就是[1,1，85]，取出来之后我们解析85，前五个为box的中点坐标、长宽值以及置信，后面80我们取Max（80个类别）中最大值，类别的处于多少行对应于label class.txt别中的类是哪一类别。
YOLOv8白皮书-第Y7周：训练自己的数据集
lihuhelihu的博客
07-15 870
ImageSets文件夹下面有个Main子文件夹，其下面存放了train.txt、val.txt、test.txt 和 trainval.txt 四个文件，它们是通过split_train val.py 文件来生成的.在YOLOv8中，需要自己创建train.py文件，训练默认参数保存在 default.yaml 文件中，关键参数是可以在训练命令行 /train.py 文件中进行修改。运行voc_label.py文件生成 train.txt、test.txt、val.txt 文件，先看看要生成的文件位置。
YOLOv8-OBB训练时报错：ValueError: not enough values to unpack (expected 3, got 0)
qq_65356682的博客
07-15 283
X-AnyLabeling标注软件安装及使用dota数据集，voc数据集，coco数据集。以及报错No module named‘anylabeling‘的解决_x-anylabeling标注的多变形标签yolov8为什么使用不了-CSDN博客。如果你是用X-anylabeling 标注的生成的dota数据集的话，那么是因为你配置的问题。yolov8-obb训练自己的数据集（标注，训练，推理，转化模型）-CSDN博客。obb是一种旋转框的检测这种报错是因为数据集的问题。请严格按照如下流程进行数据集的配置。
yolov5 上手
哦豁灬
07-15 884
YOLO(You Only Look Once)是一种流行的物体检测和图像分割模型，由华盛顿大学的约瑟夫-雷德蒙（Joseph Redmon）和阿里-法哈迪（Ali Farhadi）开发。YOLO 于 2015 年推出，因其高速度和高精确度而迅速受到欢迎。YOLOv5 在 YOLOv4 的基础上进一步提高了模型的性能，并增加了超参数优化、集成实验跟踪和自动导出为常用导出格式等新功能。
在国产芯片上实现YOLOv5/v8图像AI识别-【1.1】 YOLO介绍（含自问自答系列）
weixin_41864178的博客
07-17 972
本专栏主要是提供一种国产化图像识别的解决方案，专栏中实现了YOLOv5/v8在国产化芯片上的使用部署，并可以实现网页端实时查看。根据自己的具体需求可以直接产品化部署使用。
YOLOv8改进 | 主干网络 |模糊图像/恶劣天气下的目标检测改进
最新发布
kay_545
07-18 576
yolov8改进，yolov8，图像去雾，unfog
无人机人头yolo数据集
08-27
无人机人头YOLO数据集是一种用于目标检测的数据集，主要用于无人机视觉应用的研究和开发。该数据集包含了各种无人机拍摄的图像和相应的标注信息，用于训练和测试目标检测算法。 数据集中的每张图像都有相应的边界框信息，表示图像中的人头位置。这些边界框可以用来标记训练集中的正样本（包含人头的区域）和负样本（不包含人头的区域），以帮助算法学习识别人头。 通过使用无人机进行图像采集，可以获得大量高空俯瞰的图像，能够在更广阔的区域内进行目标检测。这对于监控、安防等领域非常有用，因为无人机可以覆盖大范围的区域并提供更全面的信息。 无人机人头YOLO数据集的使用可以帮助研究人员开发有效的无人机视觉应用，如人头识别、人头计数等。通过训练和测试目标检测算法，可以对无人机图像中的人头进行准确的检测和定位，这对于无人机视觉应用的性能提升至关重要。 总之，无人机人头YOLO数据集是一种用于目标检测的数据集，通过无人机采集的图像和标注信息，用于训练和测试无人机视觉应用的目标检测算法。它在监控、安防等领域具有广泛的应用前景，能够提高无人机视觉应用的效果和性能。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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