YOLOv11多场景生活与运动目标检测数据集-6703张-13-Merged-1

YOLOv11多场景生活与运动目标检测数据集

📊 数据集基本信息

目标类别： $'ant', 'arm', 'axe', 'bag', 'ball', 'bandage', 'bat', 'beard', 'bed', 'bee', 'beer', 'beetle', 'bicycle'$
中文类别： $'蚂蚁', '手臂', '斧头', '包', '球', '绷带', '蝙蝠', '胡须', '床', '蜜蜂', '啤酒', '甲虫', '自行车'$
训练集：5362 张
验证集：673 张
测试集：668 张
总计：6703 张

📄 data.yaml 配置信息

该数据集提供了data.yaml文件，内容如下：

yaml 复制代码

train: ../train/images
val: ../valid/images
test: ../test/images

nc: 13
names: ['ant', 'arm', 'axe', 'bag', 'ball', 'bandage', 'bat', 'beard', 'bed', 'bee', 'beer', 'beetle', 'bicycle']

🖼️ 标注可视化

📝 数据集分析

该数据集聚焦于日常生活与体育运动场景中的典型物体识别，涵盖室内环境、户外活动及自然生态等多种真实拍摄情境，具备高度的场景多样性与实际应用价值。通过在不同光照条件、背景复杂度和视角变化下采集图像，有效提升了模型对真实世界中目标的泛化能力，适用于需要高精度识别多种常见物体的智能视觉系统。

该数据集包含训练集5362张、验证集673张、测试集668张，总计6703张图像，分布结构合理，能够充分支持模型训练、调优与性能评估。训练集规模充足，保障了模型学习的充分性；验证集与测试集比例均衡，确保了模型评估的客观性与可靠性，为算法开发提供了坚实的数据基础。

该数据集标注工作严谨规范，所有目标均依据可视化图像中的实际内容进行精确框选，标注边界清晰，类别归属准确，尤其在小目标（如蚂蚁、甲虫）和复杂背景下的目标（如胡须、手臂）识别上表现出较高的标注质量。标注一致性良好，符合工业级数据标准，为后续模型训练提供了高质量输入。

该数据集可广泛应用于智能安防、零售分析、体育赛事辅助系统以及生物监测等领域。例如，在零售环境中可用于饮料商品识别，在体育场馆中支持运动员行为分析，在生态保护项目中实现昆虫种群监测。其多样化的场景覆盖和精准的标注使其成为多个行业智能化升级的重要支撑资源。

测。其多样化的场景覆盖和精准的标注使其成为多个行业智能化升级的重要支撑资源。

数据集下载

复制代码

参考：小郭AI日志
https://mp.weixin.qq.com/s/7H8uEjxlIYnWA4uOdGyHpA?payreadticket=HHYehCnhWslEeKolx_w__Pz9JF1fIYcQux0KLxGFu2R7CxAeyBjULVDDtsYzxUNkfqXvyUc