目标检测数据集 README
数据集核心信息
| 项目 | 内容 |
|---|---|
| 类别数量及中文名称 | 6 类（瓶子、树枝、罐子、牛奶盒、塑料袋、塑料垃圾） |
| 数据总量 | 2200 条 |
| 数据集格式 | YOLO 格式 |
| 核心应用价值 | 1. 训练环境垃圾识别模型，助力智能垃圾分类系统研发；2. 支撑户外环境监测算法优化，提升塑料类垃圾检测精度；3. 为环保场景计算机视觉研究提供标注数据，辅助垃圾污染分布分析 |
数据集类别说明
-
类别聚焦环保场景下的常见垃圾类型，覆盖塑料、树枝等典型目标，分类逻辑贴合实际垃圾识别需求；
-
各类别标注边界清晰，无交叉或模糊定义，可直接用于目标检测模型的类别区分训练；
-
类别选择兼顾实用性与普遍性，适用于城市街道、公园等多类户外垃圾检测场景。
数据集数量特点
-
数据总量达 2200 条，规模满足基础目标检测模型的训练与验证需求；
-
数据覆盖不同拍摄角度与环境光线，减少单一场景数据带来的模型泛化性问题；
-
标注数据经过筛选，降低无效标注对模型训练效果的影响。
数据集应用价值
-
环保领域：为智能垃圾桶、户外垃圾巡检机器人提供训练数据，推动垃圾分类自动化落地；
-
算法开发：可用于优化 YOLO 等模型在小目标垃圾（如小塑料袋）上的检测性能；
-
科研支撑：为环境视觉监测相关研究提供标准化数据集，助力垃圾识别算法迭代。