当前位置: 首页 > news >正文

无人机场景 - 目标检测数据集 - 夜间车辆检测数据集下载「包含VOC、COCO、YOLO三种格式」

  • 数据集介绍:无人机场景夜间车辆检测数据集,真实场景高质量图片数据,涉及场景丰富,比如夜间无人机场景城市道路行驶车辆图片、夜间无人机场景城市道边停车车辆图片、夜间无人机场景停车场车辆图片、夜间无人机场景小区车辆图片、夜间无人机场景车辆遮挡、车辆严重遮挡图片数据等,数据集不区分轿车、SUV或货车类别,统一划分为 "car" 一个类别,;
  • 适用实际项目应用:无人机场景下夜间车辆检测项目,以及作为无人机场景通用车辆检测数据集场景数据的补充;
  • 标注说明:采用 labelimg 标注软件进行标注,标注质量高,提供 VOC(xml)、COCO (json)、YOLO (txt) 三种常见目标检测数据集格式,可以直接用于如 YOLO 等的算法训练;
  • 附赠训练示例:提供 YOLO11 一键训练脚本,提供 GPU(GPUs)、CPU、Mac(M芯片) 多平台训练方案支持,提供博主训练结果日志供参考;

数据集点击蓝色链接下载 (若想要更多数量数据集请联系博主 ~):

  • 1000 张图片:目标检测_雨雪天气车辆车牌检测数据集_1000张图_+对应VOC/COCO/YOLO三种格式标签+数据集划分脚本+支持GPU(GPUs)/CPU/Mac三平台YOLO11一键训练脚本
  • 更多:待更新

无人机场景数据集下载大全传送:无人机场景数据集大全「包含数据标注+划分脚本+训练脚本」(持续原地更新)

http://www.lryc.cn/news/476070.html

相关文章:

  • Dubbo 构建高效分布式服务架构
  • Unity XR Interaction Toolkit 开发教程(1):OpenXR 与 XRI 概述【3.0 以上版本】
  • 自扶正救生艇,保障水上救援的安全卫士_鼎跃安全
  • 《Qwen2-VL》论文精读【下】:发表于2024年10月 Qwen2-VL 迅速崛起 | 性能与GPT-4o和Claude3.5相当
  • WebSocket消息帧的组成结构
  • 如何利用低代码开源框架实现高效开发?
  • 使用 RabbitMQ 有什么好处?
  • 机器学习周报(RNN的梯度消失和LSTM缓解梯度消失公式推导)
  • 一篇文章理解前端中的 File 和 Blob
  • 串口屏控制的自动滑轨(未完工)
  • DFA算法实现敏感词过滤
  • Python自动化运维:技能掌握与快速入门指南
  • 在linux系统中安装pygtftk软件
  • decodeURIComponentSafe转义%问题记录URI malformed
  • 自由学习记录(18)
  • vue3-ref 和 reactive
  • Apache Calcite - 查询优化之自定义优化规则
  • 大型语言模型(LLM)的小型化研究进展
  • MiniWord
  • Netty 常见组件介绍
  • 高频电子线路---倍频器与振荡器
  • 删除 git submodule
  • el-table 多选默认选中(根据返回的id给数据加默认选中状态)
  • 境外网站翻译之自由职业
  • 批量图片转PDF文件的多种方法详解
  • Web服务器(理论)
  • js:()=>(,);()的作用:明确表达式的边界。
  • RSI 5G通信技术中用于标识小区的特定参数
  • JavaScript中的闭包、递归问题
  • 【青牛科技】GC4938替代A4938/Allegro在水泵、筋膜枪、吸尘器和电动工具中的应用