Taco数据集的yolo格式

最新推荐文章于 2025-04-25 00:44:30 发布

lhy12345678910

最新推荐文章于 2025-04-25 00:44:30 发布

阅读量1.2k

点赞数 6

文章标签：计算机视觉 python

本文链接：https://blog.csdn.net/m0_54882506/article/details/129880489

版权

文章提供了将Taco数据集的1500张图片及其COCO格式的标注转化为YOLO格式的步骤，便于使用YOLO算法进行垃圾目标检测。同时附带了已转换为中文标签的yaml文件链接，以及数据集和标注的下载链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

将Taco数据集的1500张图片和原本的coco标注改为yolo格式，方便用yolo算法对垃圾数据集进行目标检测操作。并配上改成中文标签的yaml文件。

TACO原数据集GitHub链接：

GitHub - pedropro/TACO: 🌮 Trash Annotations in Context Dataset Toolkit

yaml文件链接：https://pan.baidu.com/s/1ZI9GKeRoysCMYK_y6bvebQ
提取码：1234

数据集和标注链接：https://pan.baidu.com/s/1Vo15u1_-k9P4oU1-R1xxcw
提取码：1234

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

lhy12345678910

关注关注

6
点赞
踩
9

收藏

觉得还不错? 一键收藏
6
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

YOLOv5与Kaggle TACO数据集垃圾分类——从数据准备到实时检测

m0_52343631的博客

04-26

263

TACO数据集是Kaggle上的一个公共数据集，旨在帮助研究者开发和测试用于垃圾分类和物体检测的深度学习模型。该数据集主要包含了五个类别的垃圾图像：纸袋、瓶子、塑料袋、纸箱和食物包装。数据集提供了大量标注过的图像数据，并包含了每个物体的位置框（bounding box），适用于物体检测任务。TACO数据集包含约50,000张图像，并且每张图像都标注了多个类别的物品及其位置信息。每个图像的标注数据采用XML格式，包含了物体的类别、边界框坐标等信息。

使用YOLOv8进行TACO数据集目标检测与UI界面实现

m0_52343631的博客

04-15

379

TACO数据集是由智能垃圾分类领域的研究者发布的一个数据集，包含了不同种类的垃圾物品，主要用于物品检测和分类。TACO数据集中的图像是通过高质量的摄影设备拍摄的，涵盖了不同场景中的垃圾物品。数据集中的标签包括了四个主要类别：垃圾袋、纸杯、塑料瓶、罐头。YOLO（You Only Look Once）是一个经典的目标检测算法，它通过单次前向传播即可实现目标的分类和定位。YOLOv8作为YOLO系列的最新版本，进一步提升了目标检测的精度和速度，特别是在小物体检测、复杂场景下的表现更加突出。

6 条评论您还未登录，请先登录后发表或查看评论

TACO垃圾检测数据集YOLO格式6004张18类别.7z

09-11

数据集可以检测常见垃圾，比如瓶子、烟头、杯子、塑料等，提供YOLO格式并且已经划分好训练测试和验证集，并提供data.yaml直接可以用于yolov5,yolov7,yolov8,yolov10等目标检测框架进行训练。垃圾种类如下 ['Aluminium foil', 'Bottle cap', 'Bottle', 'Broken glass', 'Can', 'Carton', 'Cigarette', 'Cup', 'Lid', 'Other litter', 'Other plastic', 'Paper', 'Plastic bag - wrapper', 'Plastic container', 'Pop tab', 'Straw', 'Styrofoam piece', 'Unlabeled litter']

TACO数据集下载

zzjlhlcd的博客

03-04

454

大小]：2.43G[链接]：https://pan.baidu.com/s/1pbEYq5bTjb2PG2LSj7orAQ[提取码]：jv3i[链接]：http://tacodataset.org/

yolov5数据集_【技术博客】基于垃圾目标检测任务的YOLOv5初探

weixin_39850920的博客

11-23

2091

基于垃圾目标检测任务的YOLOv5初探作者：余敏君研究背景垃圾分类作为一种有效处理垃圾的科学管理方案，在提高资源利用率、缓解垃圾生产压力以及改善生态环境等方面具有重要意义，是我国社会主义现代化和城市化进程中所必须采取的策略，备受世界各国的迫切关注。2019年以来，随着上海市、杭州市等垃圾分类重点城市有关生活垃圾分类的立法、执法和监督等工作的顺利开展，人们对垃圾分类相关话题的关注度日渐提升，个人垃圾...

【深度学习：TACO 数据集】探索 TACO 数据集【模型训练】

欢迎来到最优秀的博客

02-22

1824

想象一下，您正在建造一个可以收集地面垃圾的自主机器人。作为机器学习工程师，您将负责赋予其在任何环境中检测垃圾的能力。这是一个挑战，但有了正确的检测系统，您将离更清洁的世界更近一步，并且您将建造一个很酷的人工智能机器人。下载开源垃圾数据集后，您意识到您的模型存在多种挑战，并且即使您应用了最先进的模型，性能也很差。这就是我们在这个以数据为中心的人工智能案例研究系列的第一部分中结束的地方。在上一篇文章中，我们分析了 TACO 数据集和标签，发现该数据集存在很多问题。

＜数据集＞垃圾识别数据集＜目标检测＞

09-04

YOLO与VOC格式的垃圾识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练，共18个类别，6004张图片。文件中包含图片、txt标签、指定类别信息的yaml文件、xml标签，已将图片和txt标签划分为训练集、验证集和测试集，可直接用于YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9、YOLOv10等YOLO系列算法的训练。 数据集介绍请看链接：https://blog.csdn.net/qq_53332949/article/details/141503470?spm=1011.2415.3001.5331

TACO垃圾数据集：YOLO格式6004张图片18类别

资源摘要信息:"TACO垃圾检测数据集YOLO格式6004张18类别" 本资源是一个专注于垃圾检测的数据集，它包含了6004张图片以及18种不同的垃圾类别，适用于训练和测试目标检测模型。该数据集采用YOLO格式，即"你只看一次...

计算机视觉之目标检测数据集：污染物垃圾检测数据集60分类（yolo标注格式的txt文件）

01-16

项目包含污染物垃圾检测数据集60个类别（TACO垃圾识别），可直接用作目标检测数据集，无需额外处理。图像背景为海滩、树林、道路等为背景的垃圾检测数据，总类别共60个，例如可乐罐、塑料袋等等 数据集介绍：分为...

TACOS

03-18

TACOS

TACO (Trash Annotations in Context)数据集：基于YOLOv5的垃圾分类与目标检测

最新发布

m0_52343631的博客

04-25

189

TACO数据集是一个开源数据集，旨在为垃圾检测任务提供真实世界的图像数据。数据集包含了来自不同环境的垃圾图像，涵盖了四个类别的垃圾物品：垃圾袋、纸杯、塑料瓶和罐头。每个图像都被标注了垃圾物品的位置和类别。在本文中，我们介绍了如何使用YOLOv5进行TACO数据集的垃圾目标检测。通过详细的步骤，包括数据预处理、YOLOv5训练、模型评估以及UI实现，我们成功地展示了如何将YOLOv5应用于垃圾目标检测任务。通过这种方法，您可以提高垃圾分类的效率，并为垃圾回收系统提供强有力的支持。

TACO：野外废弃物图像数据集（猫脸码客第193期）

猫脸码客的博客

09-20

1427

2.1 数据集背景TACO数据集由一群致力于环境保护与计算机视觉交叉研究的科学家和志愿者共同创建。他们深知，在复杂的野外环境中，垃圾的种类、形态、颜色等特征千变万化，这对目标检测算法提出了极高的要求。因此，他们决定打造一个全面覆盖多种环境、包含丰富垃圾种类的数据集，以推动相关技术的发展。2.2 数据集特点多样性：TACO数据集涵盖了森林、道路、海滩等多种自然环境下的垃圾图片，确保了数据的多样性和代表性。

CVPR 2024 | 双手协作双物体的数据集TACO：引领可泛化手物交互的新方向

weixin_44887311的博客

06-29

1209

三个基准任务中的大量实验证明了现有的技术方法在物体几何的泛化、物体类别的泛化和交互三元组的泛化上表现欠佳，这为今后的研究带来了新的挑战和机遇。由于物体上的标志点破坏了物体的外观，本工作额外设计了标志点移除模块，针对中心位于 P、半径为 R 的标志点，该模块将一个中心位于 P、半径为 2R 的球投影至各个视角的图像上获取其掩码，进而使用 LAMA 图像补全模型 [7] 重新绘制掩码区域的颜色。动作识别任务致力于分析第一人称视角下的手物交互的视频中的动作类别，物体的外接矩形框可以作为任务的额外输入辅助分析。

MIT 的新型开源系统 Taco 将数据分析速度提升 100 倍！（附论文）

人工智能学家

11-08

738

来源：全球人工智能概要：麻省理工学院（MIT）开发的一种新型计算机系统为涉及“稀疏张量”（sparse tensor）的计算加快了速度，稀疏张量是主要由0组成的多维数据数组。麻省理工学院（MIT）开发的一种新型计算机系统为涉及“稀疏张量”（sparse tensor）的计算加快了速度，稀疏张量是主要由0组成的多维数据数组。我们生活在大数据时代，但是这

垃圾分类智能分析系统 yolov7

燧机科技的博客

01-30

781

垃圾分类智能分析系统应用python+yolov7网络模型深度学习识别技术，自动识别违规投放行为并现场进行语音提示实时预警。如垃圾满溢抓拍预警、人脸识别、工服识别、厨余垃圾混投未破袋识别预警、垃圾落地识别预警、人来扔垃圾语音提醒等。我们选择当下YOLO最新的卷积神经网络YOLOv7来进行垃圾分类识别检测。今天提到的 YOLO就是一种 one-stage方法。YOLO是You Only Look Once的缩写,意思是神经网络只需要看一次图片，就能输出结果。

如何利用TACO垃圾数据集中的YOLO格式数据进行目标检测模型的训练和测试？请详细说明数据集的使用流程。

11-10

为了深入了解如何使用TACO垃圾数据集进行目标检测模型的训练和测试，首先需要获取这份资源，它提供了一个面向垃圾检测的专用数据集，包含6004张图片和18种垃圾类别。这个数据集采用YOLO格式组织，适合于YOLO系列框架，如yolov5、yolov7、yolov8、yolov10等。参考资源链接：[TACO垃圾数据集：YOLO格式6004张图片18类别](https://wenku.csdn.net/doc/4wrvdzn5qa?spm=1055.2569.3001.10343) 使用数据集之前，首先需要解压包含6004张图片和相关配置文件的7z压缩文件。其中，data.yaml文件是一个关键文件，它包含了数据集的路径和类别信息，需要根据实际情况调整以匹配数据集的实际位置和组织结构。接下来，使用YOLO系列框架的训练脚本进行模型训练。以yolov5为例，通常需要进行以下步骤： 1. 下载yolov5源代码并安装依赖库。 2. 将解压后的TACO垃圾数据集和调整后的data.yaml文件放置在适当的目录下。 3. 修改yolov5的配置文件以适应新的类别数（例如18）和数据集路径。 4. 运行训练脚本，开始训练过程。可以配置合适的训练参数，如学习率、批次大小、训练周期等。 5. 在训练结束后，使用验证集评估模型性能，确保模型具有良好的泛化能力。 6. 使用训练好的模型进行测试，并通过各种指标（如准确率、召回率等）评估模型性能。在这个过程中，可以通过调整模型结构、训练策略以及数据增强等手段来优化模型。此外，也可以对yolov7、yolov8、yolov10进行类似的训练和测试流程，因为这些框架都支持YOLO格式的数据集。完成上述步骤后，就可以将训练好的模型部署到实际应用中，例如用于城市清洁监控或垃圾分类站点，以实现实时的垃圾检测和分类。通过这样的流程，开发者不仅能掌握如何使用TACO垃圾数据集训练目标检测模型，还能学会如何优化模型以适应特定应用场景。为了深入理解和实践这些技术，建议查阅相关的技术文档和教程，以获得更全面和深入的知识。参考资源链接：[TACO垃圾数据集：YOLO格式6004张图片18类别](https://wenku.csdn.net/doc/4wrvdzn5qa?spm=1055.2569.3001.10343)