＜数据集＞航拍人车识别数据集＜目标检测＞

于 2024-08-02 09:45:35 发布
阅读量168 收藏
点赞数 4
分类专栏： 深度学习数据集 文章标签： 目标检测 人工智能 计算机视觉 YOLO python
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/qq_53332949/article/details/140864177
版权

数据集格式：VOC+YOLO格式

图片数量：9695张

标注数量(xml文件个数)：9695

标注数量(txt文件个数)：9695

标注类别数：4

标注类别名称：['car', 'pedestrian', 'truck', 'bus']

序号类别名称图片数框数
1car9235257107
2pedestrian8146121897
3truck525618872
4bus29698450

使用标注工具：labelImg

标注规则：对类别进行画水平矩形框

图片示例：

标注示例：

深度学习lover
关注
  • 4
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
＜数据集＞航拍行人识别数据集＜目标检测＞
qq_53332949的博客
08-02 21
YOLO与VOC格式的航拍行人识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练，图片数量7482
＜数据集＞遥感航拍船舶识别数据集＜目标检测＞
qq_53332949的博客
08-01 193
YOLO与VOC格式的遥感航拍船舶识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练
＜数据集＞遥感航拍飞机识别数据集＜目标检测＞
qq_53332949的博客
08-01 144
YOLO与VOC格式的遥感航拍飞机识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练，图片数量2398
＜数据集＞DOTA v2.0遥感航拍目标识别数据集＜目标检测＞
qq_53332949的博客
08-01 204
YOLO与VOC格式的DOTA v2.0遥感航拍目标识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练，包含15类交通及建筑等目标
python yolov5 训练数据集 无人机航拍数据集合 人工智能 深度学习 目标检测 目标识别
05-26
Python YOLOv5训练数据集是专门为无人机航拍图像的目标检测和识别任务设计的一份数据集合，它结合了人工智能、深度学习领域的最新技术。在本文中，我们将深入探讨YOLOv5框架、无人机航拍数据的特点、目标检测的原理...
航拍船只检测数据集，yolo数据集格式
08-24
本文将深入探讨一种特别的数据集——“航拍船只检测数据集”，它以Yolo（You Only Look Once）数据集格式设计，适用于训练目标检测模型。 首先，我们来理解Yolo数据集格式。Yolo是一种实时的目标检测系统，其主要...
目标检测车辆数据集-汽车数据集-车辆图片-车辆卫星图-车辆遥感图-人工智能目标检测车辆数据集--车辆卫星数据集
05-13
这是一批车辆的数据集，一共包含三种类型的车辆（机动车）,分别是轿车（小型车等）、巴士（公交车等）和卡车(货车等)，可用于人工智能目标检测算法的研究。图片的数量为1000张，尺寸为1024x1024，RGB彩图，是卫星...
人工智能目标检测数据集（战车卫星图）
01-21
在本文中，我们将深入探讨与"人工智能目标检测数据集（战车卫星图）"相关的知识点。这个数据集专为研究人工智能中的目标检测算法而设计，包含1000张彩图，每张图像的尺寸为1024x1024像素，目标类别为战车，且图像...
基于航拍图像的甘蔗-杂草目标检测数据集
06-26
该数据集为自建的甘蔗-杂草图像数据集，标注形式为VOC 格式，其中包含甘蔗、作物两个类别目标，共包含1583张图像，每幅图像由原始航拍图像裁剪出，尺寸为512*512像素，可用于目标检测算法的设计、评估和部署。
和数集团十周年庆典：新起点、新目标、新征程
Likelib的博客
08-01 293
在十周年庆典这个特殊的日子，和数集团对在市场开拓、客户服务等方面具有突出表现的个人进行了表彰。
昇思25天学习打卡营第1天|快速入门
07-28 801
昇思大模型平台是一个集算法选型、创意分享、模型实验和大模型在线体验为一体的AI学习与实践社区，而且还内置了AI实验室，它覆盖多领域任务，体验全流程开发，支持用户在线训练和推理可视化，可创建自己的项目空间对待开发者很友好，提供云上开发环境，无需配置环境，既可灵活调试运行代码，每天免费使用8个小时。
MOE模式：或将是最好的大模型应用开发路径
AI相关从业分享
07-28 778
MOE（Mixture of Experts，混合专家）是一种机器学习模型架构，旨在通过结合多个专家网络来提高模型的性能和泛化能力。以下是传统模型和大模型中MOE模式的相关介绍及其优势。传统模型中的MOEGate网络：决定输入数据应该被路由到哪一个专家网络。Gate网络可以根据输入数据的特征来动态分配数据。Expert网络：一系列专门的网络，每个网络都是针对特定数据分布进行训练的。Expert网络可以是对特定问题有深入理解的小模型。组合层：将所有Expert网络的输出进行组合，形成最终的预测结果。
带并行卷积的水下图像背景前景分割方法
renhongxia1的博客
07-30 731
图6，7为不同照度条件下水下图像及在不同分割方法的实验结果，其中第1，4行的原始图像为13.826 lx照度下采集的，第2，5行为6.947 lx照度下采集的，第3，6行为0.925 lx照度下采集的。在进行图像采集时，图6，7中，目标距离采集设备分别为1.4，1 m。图5是相机距目标1.4 m处采集的图像，图5a）为空气中的图像，图5b）为照度为13.826 lx条件下采集的水下图像，图5c）为照度为6.947 lx条件下采集的水下图像，图5d）为照度为0.925 lx条件下采集的水下图像。
常用的机器学习模型的不同调用方式
最新发布
weixin_71458119的博客
08-01 253
不同机器学习方法的调用
Transformer 架构告诉我们什么？
2401_85233349的博客
08-01 513
在传统的心理语言学方法中，人类语言是用可解释的模型来解释的，这些模型将符号元素（例如名词、动词、形容词、副词等）与基于规则的操作相结合。从几何上讲，它们之间的夹角越小，余弦值和点积就越大，并且这两个词在特定上下文中的相关性就越高，就像在高维空间中表示的那样。，Transformer 作为过度参数化的简单模型所展现出的蛮力学习，与进化过程类似，都是“简单而简约的”。下面是一个简单的示例，展示了词向量的基本概念。有趣的是，A 和 B 的相关系数也是角度的余弦（见上文 (2) 和 (3) 的公式）。
torch.nn.RNN(）相关的参数设置
guoqingru0311的博客
07-31 281
torch.nn.RNN(）相关的参数设置
＜数据集＞手机识别数据集＜目标检测＞
qq_53332949的博客
07-29 290
YOLO与VOC格式的人员持有手机识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练，图片数量16172
如何把视频语音转文字？交给这4款工具就完事
xixixihahaha_的博客
08-01 209
然而，随着采访的深入，如何快速准确地将这些珍贵的视频内容转化为文字记录，成为了一个亟待解决的问题。在这场速度与精准度的竞赛中，视频转文字的免费软件便成为了记者们不可或缺的助手。这两天巴黎奥运会的盛大开幕，世界各地的记者们纷纷涌入这个体育盛事的现场，带着他们的镜头和麦克风，捕捉每一个激动人心的瞬间。高精度识别：采用先进的语音识别技术，确保转换文字的准确性。适用于多种场景的视频转文字需求，特别是对外语视频的支持。云端存储：转换后的文字自动保存在云端，方便随时访问。③ 开始转写，并在线查看和编辑生成的文字内容。
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