[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
吃肉不能购44 分钟前
Label-studio-ml-backend 和YOLOV8 YOLO11自动化标注,目标检测,实例分割,图像分类,关键点估计,视频跟踪
运维·yolo·自动化
goomind6 小时前
YOLOv8实战木材缺陷识别
人工智能·yolo·目标检测·缺陷检测·pyqt5·木材缺陷识别
吾门6 小时前
YOLO入门教程(三)——训练自己YOLO11实例分割模型并预测【含教程源码+一键分类数据集 + 故障排查】
yolo·分类·数据挖掘
向阳逐梦10 小时前
ROS机器视觉入门:从基础到人脸识别与目标检测
人工智能·目标检测·计算机视觉
Suyuoa13 小时前
附录2-pytorch yolov5目标检测
python·深度学习·yolo
Evand J1 天前
集合卡尔曼滤波(Ensemble Kalman Filter),用于二维滤波(模拟平面上的目标跟踪),MATLAB代码
matlab·平面·目标跟踪
思通数科多模态大模型1 天前
10大核心应用场景,解锁AI检测系统的智能安全之道
人工智能·深度学习·安全·目标检测·计算机视觉·自然语言处理·数据挖掘
红色的山茶花1 天前
YOLOv8-ultralytics-8.2.103部分代码阅读笔记-block.py
笔记·深度学习·yolo
sp_fyf_20241 天前
【大语言模型】ACL2024论文-18 MINPROMPT:基于图的最小提示数据增强用于少样本问答
人工智能·深度学习·神经网络·目标检测·机器学习·语言模型·自然语言处理
思通数科AI全行业智能NLP系统1 天前
六大核心应用场景,解锁AI检测系统的智能安全之道
图像处理·人工智能·深度学习·安全·目标检测·计算机视觉·知识图谱