weixin_41237163的博客

本人收集到的各种场景绝缘子数据，包含正常与缺陷，可用来训练绝缘子检测，分割或者缺陷绝缘子识别网络，持续收集中~

本数据集为摔倒检测数据集，标注格式为VOC 目标检测框，格式XML，数量为1440

各种场景安全帽图片数据，数量5000张，标注文件为VOC XML格式，可用与训练是否佩戴安全帽识别，例如工地及其它施工场景

UAVDT是一个具有大规模的挑战性的无人机检测和跟踪基准（即10小时原始视频中约8万帧的代表性帧），用于3项重要的基本任务，即目标检测（DET）、单目标跟踪（SOT）和多目标跟踪（MOT）。 数据集由无人机在各种复杂场景中捕获。本基准中关注的对象是车辆。使用边界框和一些有用的属性（例如，车辆类别和遮挡）对帧进行手动注释。 UAVDT基准由100个视频序列组成，这些视频序列是从城市地区多个地点的UAV平台拍摄的超过10小时的视频中选择的，代表各种常见场景，包括广场、主干道、收费站、高速公路、交叉口和T形交叉口。视频以每秒30帧（fps）的速度录制，JPEG图像分辨率为1080×540像素。 该数据集包含的是原始图片，不包括注释 参考： D. Du, Y. Qi, H.g Yu, Y. Yang, K. Duan, G. Li, W.g Zhang, Q. Huang, Q. Tian, " The Unmanned Aerial Vehicle Benchmark:

数据集由 58 个类别的 5998 张交通标志图像组成。每个图像都是单个交通标志的放大视图。注释提供图像属性（文件名、宽度、高度）以及图像和类别中的交通标志坐标。 标签文件为annotations.csv 格式如下： file_name：包含交通标志的图像的文件名 width：图片宽度 height：图片高度 x1：边界矩形左上角X坐标 y1：边界矩形左上角Y坐标 x2：边界矩形右下角X坐标 y2：边界矩形右下角Y坐标 category：交通标志类别

图片来源于生活场景，总共40个类别，数量14000+；可用于训练垃圾分类网络，用于识别城市垃圾

反光衣识别数据包含各种场景（数据主要来源于网络爬取与实际场景收集），各种类各种角度，可用于训练反光衣分类识别网络；文件只是样例，另有约4500待上传；