[数据集][目标检测]疟疾恶性疟原虫物种目标检测数据集VOC+YOLO格式948张1类别

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)

图片数量(jpg文件个数):948

标注数量(xml文件个数):948

标注数量(txt文件个数):948

标注类别数:1

标注类别名称:["plasmodium"]

每个类别标注的框数:

plasmodium 框数 = 7628

总框数:7628

使用标注工具:labelImg

标注规则:对类别进行画矩形框

重要说明:网上看到同类数据集他们标注都存在问题。这个数据集专门经过写代码修复

特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,数据集只提供准确且合理标注

标注示例:

别人标注文件:

上面明显存在几个错误,labelImg标注xmin,ymin等坐标信息都是整数,而且labelImg标准类别是<name></name>表示,显然无法正常读取,此外标注信息没有图片宽高等关键信息,容易导致后续脚本编写难度增大,经过修复后变成如下:

<annotation>
        <folder>VOC</folder>
        <filename>firc_plasmodium_1181.jpg</filename>
        <path>C:/Users/Administrator/Desktop/data/JPEGImages/firc_plasmodium_1181.jpg</path>
        <source>
            <database>My Database</database>
            <annotation>VOC2012</annotation>
            <image>flickr</image>
            <flickrid>NULL</flickrid>
        </source>
        <owner>
            <flickrid>NULL</flickrid>
            <name>company</name>
        </owner>
        <size>
            <width>750</width>
            <height>750</height>
            <depth>3</depth>
        </size>
        <segmented>0</segmented>
        <object>
            <name>plasmodium</name>
            <pose>Unspecified</pose>
            <truncated>0</truncated>
            <difficult>0</difficult>
            <bndbox>
                <xmin>253</xmin>
                <ymin>83</ymin>
                <xmax>293</xmax>
                <ymax>123</ymax>
            </bndbox>
        </object>
        <object>
            <name>plasmodium</name>
            <pose>Unspecified</pose>
            <truncated>0</truncated>
            <difficult>0</difficult>
            <bndbox>
                <xmin>242</xmin>
                <ymin>117</ymin>
                <xmax>282</xmax>
                <ymax>157</ymax>
            </bndbox>
        </object>
        <object>
            <name>plasmodium</name>
            <pose>Unspecified</pose>
            <truncated>0</truncated>
            <difficult>0</difficult>
            <bndbox>
                <xmin>498</xmin>
                <ymin>0</ymin>
                <xmax>538</xmax>
                <ymax>40</ymax>
            </bndbox>
        </object>
        <object>
            <name>plasmodium</name>
            <pose>Unspecified</pose>
            <truncated>0</truncated>
            <difficult>0</difficult>
            <bndbox>
                <xmin>566</xmin>
                <ymin>7</ymin>
                <xmax>606</xmax>
                <ymax>47</ymax>
            </bndbox>
        </object>
        <object>
            <name>plasmodium</name>
            <pose>Unspecified</pose>
            <truncated>0</truncated>
            <difficult>0</difficult>
            <bndbox>
                <xmin>299</xmin>
                <ymin>275</ymin>
                <xmax>339</xmax>
                <ymax>315</ymax>
            </bndbox>
        </object>
        <object>
            <name>plasmodium</name>
            <pose>Unspecified</pose>
            <truncated>0</truncated>
            <difficult>0</difficult>
            <bndbox>
                <xmin>382</xmin>
                <ymin>332</ymin>
                <xmax>422</xmax>
                <ymax>372</ymax>
            </bndbox>
        </object>
        <object>
            <name>plasmodium</name>
            <pose>Unspecified</pose>
            <truncated>0</truncated>
            <difficult>0</difficult>
            <bndbox>
                <xmin>396</xmin>
                <ymin>577</ymin>
                <xmax>436</xmax>
                <ymax>617</ymax>
            </bndbox>
        </object>
        <object>
            <name>plasmodium</name>
            <pose>Unspecified</pose>
            <truncated>0</truncated>
            <difficult>0</difficult>
            <bndbox>
                <xmin>580</xmin>
                <ymin>572</ymin>
                <xmax>620</xmax>
                <ymax>612</ymax>
            </bndbox>
        </object>
        <object>
            <name>plasmodium</name>
            <pose>Unspecified</pose>
            <truncated>0</truncated>
            <difficult>0</difficult>
            <bndbox>
                <xmin>676</xmin>
                <ymin>102</ymin>
                <xmax>716</xmax>
                <ymax>142</ymax>
            </bndbox>
        </object>
        <object>
            <name>plasmodium</name>
            <pose>Unspecified</pose>
            <truncated>0</truncated>
            <difficult>0</difficult>
            <bndbox>
                <xmin>439</xmin>
                <ymin>159</ymin>
                <xmax>479</xmax>
                <ymax>199</ymax>
            </bndbox>
        </object>
        <object>
            <name>plasmodium</name>
            <pose>Unspecified</pose>
            <truncated>0</truncated>
            <difficult>0</difficult>
            <bndbox>
                <xmin>540</xmin>
                <ymin>177</ymin>
                <xmax>580</xmax>
                <ymax>217</ymax>
            </bndbox>
        </object>
        <object>
            <name>plasmodium</name>
            <pose>Unspecified</pose>
            <truncated>0</truncated>
            <difficult>0</difficult>
            <bndbox>
                <xmin>513</xmin>
                <ymin>221</ymin>
                <xmax>553</xmax>
                <ymax>261</ymax>
            </bndbox>
        </object>
</annotation>

上面格式为标准VOC格式符合行业标准规范,而且使用网上其他脚本不容易出错。

下载地址: https://download.csdn.net/download/FL1623863129/89755231

相关推荐
王哈哈^_^7 小时前
【数据集】【YOLO】【VOC】目标检测数据集,查找数据集,yolo目标检测算法详细实战训练步骤!
人工智能·深度学习·算法·yolo·目标检测·计算机视觉·pyqt
jndingxin8 小时前
OpenCV视觉分析之目标跟踪(8)目标跟踪函数CamShift()使用
人工智能·opencv·目标跟踪
咔叽布吉10 小时前
【论文阅读笔记】CamoFormer: Masked Separable Attention for Camouflaged Object Detection
论文阅读·笔记·目标检测
深度学习lover13 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
Eric.Lee202118 小时前
yolo v5 开源项目
人工智能·yolo·目标检测·计算机视觉
阿_旭21 小时前
基于YOLO11/v10/v8/v5深度学习的煤矿传送带异物检测系统设计与实现【python源码+Pyqt5界面+数据集+训练代码】
人工智能·python·深度学习·目标检测·yolo11
极智视界1 天前
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)
算法·yolo·目标检测·数据集标注·分割算法·算法训练·无人机场景数据集
LNTON羚通1 天前
CPU算法分析LiteAIServer视频智能分析平台视频智能分析:抖动、过亮与过暗检测技术
大数据·目标检测·音视频·视频监控
handsomeboysk1 天前
mAP的定义
人工智能·计算机视觉·目标跟踪
深度学习lover1 天前
<项目代码>YOLOv8 夜间车辆识别<目标检测>
人工智能·yolo·目标检测·计算机视觉·表情识别·夜间车辆识别