智慧城市道路路面垃圾检测数据集VOC+YOLO格式3321张17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):3321

标注数量(xml文件个数):3321

标注数量(txt文件个数):3321

标注类别数:17

所在仓库:firc-dataset

标注类别名称(注意yolo格式类别顺序不和这个对应,而以labels文件夹classes.txt为准):["cans","cardboard","colored_glass_bottles","face_mask","glass_bottle","paper_bag","paper_cup","paperboard","peel","pile_of_leaves","plastic_bag","plastic_bottle","plastic_cup","plastic_wrapper","rags","styrofoam","tetra_pack"]

每个类别标注的框数:

cans (易拉罐) 框数 = 686

cardboard (纸板) 框数 = 1033

colored_glass_bottles (彩色玻璃瓶) 框数 = 273

face_mask (口罩) 框数 = 977

glass_bottle (玻璃瓶) 框数 = 260

paper_bag (纸袋) 框数 = 1584

paper_cup (纸杯) 框数 = 453

paperboard (纸板) 框数 = 426

peel (果皮) 框数 = 164

pile_of_leaves (落叶堆) 框数 = 392

plastic_bag (塑料袋) 框数 = 714

plastic_bottle (塑料瓶) 框数 = 1260

plastic_cup (塑料杯) 框数 = 536

plastic_wrapper (塑料包装) 框数 = 2449

rags (碎布) 框数 = 145

styrofoam (泡沫塑料) 框数 = 436

tetra_pack (利乐包) 框数 = 942

总框数:12730

图片分辨率:640x640

使用标注工具:labelImg

标注规则:对类别进行画矩形框

重要说明:暂无

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

图片预览:

标注例子:

相关推荐
RWKV元始智能5 小时前
RWKV超并发项目教程,RWKV-LM训练提速40%
人工智能·rnn·深度学习·自然语言处理·开源
AI技术增长7 小时前
Pytorch图像去噪实战(六):CBDNet真实噪声去噪实战,解决合成噪声模型落地效果差的问题
pytorch·深度学习·机器学习
博.闻广见8 小时前
AI_概率统计-2.常见分布
人工智能·机器学习
小糖学代码9 小时前
LLM系列:2.pytorch入门:8.神经网络的损失函数(criterion)
人工智能·深度学习·神经网络
Jmayday9 小时前
Pytorch:RNN理论基础
pytorch·rnn·深度学习
谭欣辰10 小时前
C++快速幂完整实战讲解
算法·决策树·机器学习
AI周红伟11 小时前
周红伟:GPT-Image-2深度解析:从技术原理到实战教程,为什么它能让整个AI圈炸锅?
人工智能·gpt·深度学习·机器学习·语言模型·openclaw
端平入洛11 小时前
梯度是什么:PyTorch 自动求导详解
人工智能·深度学习
Uopiasd1234oo12 小时前
上下文引导模块改进YOLOv26局部与全局特征融合能力双重提升
深度学习·yolo·机器学习
哥布林学者12 小时前
深度学习进阶(十四)ConvNeXt
机器学习·ai