YOLO目标检测——行人数据集【含对应voc、coco和yolo三种格式标签+划分脚本】

最新推荐文章于 2024-08-15 10:29:22 发布
最新推荐文章于 2024-08-15 10:29:22 发布
阅读量713 收藏 4
点赞数 1
分类专栏： YOLO数据集下载 文章标签： YOLO 目标检测 人工智能 行人数据集 计算机视觉 yolo格式标签 深度学习
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_64879847/article/details/134043130
版权
  • 实际项目应用：智能监控、人机交互、行为分析、安全防护
  • 数据集说明：行人检测数据集，真实场景的高质量图片数据，数据场景丰富
  • 标签说明：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系列的目标检测。
  • 其他：附赠YOLO环境部署、训练案例教程和数据集划分脚本，可以根据需求自行划分训练集、验证集、测试集。

数据集点击下载（如需更多数量请私信博主）：

在这里插入图片描述
在这里插入图片描述

YOLO数据集工作室
关注
专栏目录
使用YOLOv3 训练行人检测模型
liguiyuan的博客
04-22 2万+
使用YOLO进行目标检测在保证速度的前提下能有较好的准确性，这篇文章是在yolov3的代码基础上进行修改为行人检测，由原来的20个分类改为识别person，使用tiny-yolo的进行训练和检测，最后能达到还不错的效果。 1.数据集制作 收集图片并标注，这是一件工作量较大的事情，所以我们直接使用了PASCAL VOC2007的数据集，抽取其中带有行人的图片。 具体过程如下： 1.1 创...
VOC行人检测数据集 person_VOCtrainval2007.zip
04-07
1、VOC行人检测数据集 2、类别名： person 3、来源：从 VOCtrainval2007数据集 单类别提取得到 4、标签类别：txt和 xml两种 5、图片数量：2095
yolov8交互式指定区域行人计数/车辆计数
阿利同学的博客
08-15 1019
yolov8交互式指定区域行人计数/车辆计数
行人数据集voc版本.txt
03-05
自己做的行人数据集。voc版本的拿来直接用。
VOC格式标注行人的数据集(1000+图片).zip
07-30
VOC格式标注行人的数据集，其中包括1000+图片，可用于行人检测的训练，只有一类：person
VOC格式标注行人的数据集
11-30
从VOC中挑选出来的关于行人的数据集和，可帮助对行人检测训练与测试，train，test，val 是一个很有用的数据集。
行人检测数据集——pascalvoc格式
05-25
行人检测数据集——pascalvoc格式
YOLO行人目标检测数据集(含10000张图片)+对应数量yolo、voc和coco三种格式标签+划分脚本+教程文档.rar
10-21
1、YOLO行人目标检测数据集(含10000张图片)，使用lableimg软件标注，类别说明：行人（1个类别），资源内含yolo格式标签（txt文件）、voc格式标签（xml文件）和coco格式标签（json文件）三种格式标签，多少张图片就...
YOLO泊车位目标检测数据集(含1000张图片)+对应voc、coco和yolo三种格式标签+划分脚本+训练教程.rar
11-18
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系列的目标检测。 2、附赠YOLO环境搭建、训练案例教程和数据集划分脚本，可以...
YOLO遥感太阳能板目标检测数据集(含5000张图片)+对应voc、coco和yolo三种格式标签+划分脚本+训练教程.rar
11-08
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系列的目标检测。 2、附赠YOLO环境搭建、训练案例教程和数据集划分脚本，可以...
YOLO海上船艇目标检测数据集(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
11-12
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系列的目标检测。 2、附赠YOLO环境搭建、训练案例教程和数据集划分脚本，可以...
行人检测数据集/目标检测
01-08
计算机视觉相关算法研究，把之前用过的数据库下载进行上传 ，以方便更多的人下载。
跌倒检测数据集，7000+张图片，包含VOC和YOLO数据格式
12-10
跌倒检测数据集，收集包含7000+跌倒人群图片，可直接用于训练跌倒检测。
行人检测常用数据库
07-03
数据太大，只能放在百度网盘，资源为网盘链接和密码。
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
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系列的目标检测。 2、附赠YOLO环境搭建、训练案例教程和数据集划分脚本，可以...
pascal行人voc_Pascal Voc数据集详细分析
weixin_36147152的博客
02-19 1048
前言做深度学习目标检测方面的同学怎么都会接触到PASCAL VOC这个数据集。也许很少用到整个数据集，但是一般都会按照它的格式准备自己的数据集。所以这里就来详细的记录一下PASCAL VOC的格式，包括目录构成以及各个文件夹的内容格式，方便以后自己按照VOC的标准格式制作自己的数据集。正文相关网址VOCdevkit文件夹数据集下载后解压得到一个名为VOCdevkit的文件夹，该文件夹结构如下：.└...
将COCO数据集转成VOC数据集，还可以提取单独的类别分离出来，像行人检测数据集。
donkey_1993的博客
05-22 5568
最近的项目需要对行人进行检测，网上搜集的数据集比较少因此手动将COCO数据集里面的行人类别单独分离出来，并设置为xml格式。 1. 首先准备COCO数据集，只需要训练 数据集就够用了。 图片下载地址：http://images.cocodataset.org/zips/train2014.zip 标签下载地址：http://images.cocodataset.org/annotations/annotations_trainval2014.zip 2. 将下载好的数据集解压。 3. 运行pyth
135基于SSD目标检测模型训练VOC数据集中的行人图片
vdggrdgrdg的博客
03-13 962
089基于深度学习的小样本数据检测_含10多种模型包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResNet、ResNeXt、ShuffleNet、VGG、Effici。083基于深度学习的手势识别小程序版本_含10多种模型包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResNet、ResNeXt、ShuffleNet、VGG、Ef。001手写汉字识别-单个汉字识别-pyqt可视化交互界面-python代码')
只含行人yolov5 的coco数据集
wXianBin的博客
08-02 5894
只含行人yolov5 的coco数据集 更新2021.08.02： 整理的coco只含行人的数据集，及转换person标签为yolov5可训练的格式。 图片baidu网盘链接 标签label数据集链接 如图
yolo划分数据集的代码在哪里打开
最新发布
09-27
YOLO (You Only Look Once) 是一种流行的物体检测算法，它的训练过程通常涉及到图像分类和边界框预测的数据集划分。对于 YOLO，数据集划分一般是在准备阶段完成的，并不是直接通过某个特定的代码文件去打开。 首先，你需要下载预先标注好的数据集，比如 PASCAL VOC、COCO 等，它们通常包含图片及其对应的标签信息。然后，根据 YOLO 的需求，数据需要按照类别进行划分，包括训练集、验证集和测试集。 在 Python 中，常用的数据集划分库如 `imgaug` 或 `torch.utils.data.Dataset` 可以帮助你对数据进行随机分割。如果你使用的是 Darknet（YOLO 的原始框架），它可能会提供一些脚本用于处理数据集，例如 `data.split.py`。 下面是一个简化版的示例，说明如何使用 Python 划分数据集： ```python import os import random # 假设你有一个images目录和labels目录，其中包含标注文件 train_ratio = 0.8 val_ratio = 0.1 test_ratio = 0.1 def load_data(dir_path): # 加载所有图片和标签 images = [os.path.join(dir_path, f) for f in os.listdir(dir_path) if f.endswith('.jpg')] labels = [f.replace('.jpg', '.txt') for f in images] return images, labels def split_dataset(images, labels, train_set_size, val_set_size): shuffled_indices = list(range(len(images))) random.shuffle(shuffled_indices) train_indices = shuffled_indices[:int(train_set_size * len(images))] val_indices = shuffled_indices[int(train_set_size * len(images)):int((train_set_size + val_ratio) * len(images))] test_indices = shuffled_indices[int((train_set_size + val_ratio) * len(images)):] return images[i] for i in train_indices], labels[train_indices], \ images[val_indices], labels[val_indices], images[test_indices], labels[test_indices] # 调用函数划分并保存数据集 train_images, train_labels, val_images, val_labels, _, _ = split_dataset(images_dir, labels_dir, train_ratio, val_ratio) # 现在你可以将这些数据存储到相应的文件夹中，以便后续模型训练 ``` 请注意，这只是一个基础示例，实际操作可能需要更复杂的错误检查和处理。如果你使用的是 Darknet，你还需要遵循其文档中的指导进行数据预处理和转换。
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

YOLO数据集工作室

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