水面漂浮垃圾数据集

1.FloW数据集 ——全球第一个无人船视角的水面漂浮垃圾检测数据集。

数据集相关论文FloW: A Dataset and Benchmark for Floating Waste Detection in InlandWaters 发表至 IEEE International Conference onComputer Vision 2021 (ICCV 2021)。

FloW-Img包含2000张图像和5271个标记目标，小目标（Area< 32*32）占其中的一半以上。随机选择1200张图像作为训练集，其余的800张作为测试集。只包含bottle一个类。

数据集图像：

1）包含VOC格式的xml标注文件

结构：每张图像对应一个XML文件，包含物体类别、边界框（左上右下坐标）及图像原数据等。

2）包含COCO格式的json标注文件

结构：使用单个JSON文件存储所有图像的标注信息，包括类别、边界框（bbox）等。

2.水面垃圾检测数据集

共有2400张图像，随机选择1441张图像作为训练集，480张作为验证集，479张作为测试集。
标注的对象共有以下8种：
[‘bottle’, ‘branch’, ‘milk-box’, ‘plastic-bag’, ‘grass’, ‘plastic-garbage’, ‘ball’, ‘leaf’]
bottle：瓶子
branch：树枝
milk-box：牛奶盒
plastic-bag：塑料袋
grass：草
plastic-garbage：塑料垃圾
ball：球
leaf：树叶
数据集图像：

1）包含COCO格式的json标注文件

2）包含VOC存储格式

3.FloW数据集+水面垃圾检测数据集

把前面提到的两个数据集加到了一起（因为FLow数据集只有一个类，不利于模型学习类别信息，所以我把两个数据集结合到一起。并且两个数据集中都有共同的bottle类。），共有4400张图像，随机选择2641张图像作为训练集，880张作为验证集，879张作为测试集。

标注的对象依然共有以下8种：

[‘bottle’, ‘branch’, ‘milk-box’, ‘plastic-bag’, ‘grass’, ‘plastic-garbage’, ‘ball’, ‘leaf’]

1）包含划分过的xml标注文件

2）包含划分过的json标注文件

该数据集放到模型中的训练结果如下，亲测没问题。