道路动物横穿马路检测数据集VOC+YOLO格式895张52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):895

标注数量(xml文件个数):895

标注数量(txt文件个数):895

标注类别数:52

所在github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):"Hyena","auto","bear","bicycle","bike","bison","boar","buffalo","bus","camel","capybara","car","cat","cheetah","cow","crocodile","deer","dog","duck","elephant","fox","giraffe","goat","hen","horse","kangaroo","koala","leopard","lion","mongoose","monkey","moon","moose","motorcycle","objects","ostrich","person","pig","porcupine","rabbit","racoon","reindeer","sheep","snail","tiger","tortoise","tricycle","truck","van","wildebeest","wolf","zebra"

每个类别标注的框数:

Hyena(鬣狗) 框数 = 2

auto(汽车) 框数 = 1

bear(熊) 框数 = 88

bicycle(自行车) 框数 = 1

bike(自行车) 框数 = 19

bison(野牛) 框数 = 186

boar(野猪) 框数 = 33

buffalo(水牛) 框数 = 63

bus(公交车) 框数 = 11

camel(骆驼) 框数 = 68

capybara(水豚) 框数 = 1

car(汽车) 框数 = 663

cat(猫) 框数 = 47

cheetah(猎豹) 框数 = 28

cow(牛) 框数 = 226

crocodile(鳄鱼) 框数 = 20

deer(鹿) 框数 = 230

dog(狗) 框数 = 78

duck(鸭子) 框数 = 3

elephant(大象) 框数 = 121

fox(狐狸) 框数 = 39

giraffe(长颈鹿) 框数 = 16

goat(山羊) 框数 = 170

hen(母鸡) 框数 = 3

horse(马) 框数 = 43

kangaroo(袋鼠) 框数 = 27

koala(考拉) 框数 = 3

leopard(豹) 框数 = 2

lion(狮子) 框数 = 117

mongoose(猫鼬) 框数 = 1

monkey(猴子) 框数 = 47

moon(月亮) 框数 = 1

moose(驼鹿) 框数 = 32

motorcycle(摩托车) 框数 = 1

objects(物体) 框数 = 1

ostrich(鸵鸟) 框数 = 3

person(人员) 框数 = 215

pig(猪) 框数 = 2

porcupine(豪猪) 框数 = 1

rabbit(兔子) 框数 = 11

racoon(浣熊) 框数 = 1

reindeer(驯鹿) 框数 = 20

sheep(羊) 框数 = 43

snail(蜗牛) 框数 = 1

tiger(老虎) 框数 = 46

tortoise(陆龟) 框数 = 3

tricycle(三轮车) 框数 = 3

truck(卡车) 框数 = 74

van(厢式货车) 框数 = 3

wildebeest(角马) 框数 = 1

wolf(狼) 框数 = 23

zebra(斑马) 框数 = 9

总框数:2851

每个类别占有图片数:

Hyena(鬣狗) 占有图片数 = 2

auto(汽车) 占有图片数 = 1

bear(熊) 占有图片数 = 52

bicycle(自行车) 占有图片数 = 1

bike(自行车) 占有图片数 = 15

bison(野牛) 占有图片数 = 57

boar(野猪) 占有图片数 = 15

buffalo(水牛) 占有图片数 = 20

bus(公交车) 占有图片数 = 11

camel(骆驼) 占有图片数 = 29

capybara(水豚) 占有图片数 = 1

car(汽车) 占有图片数 = 265

cat(猫) 占有图片数 = 29

cheetah(猎豹) 占有图片数 = 26

cow(牛) 占有图片数 = 58

crocodile(鳄鱼) 占有图片数 = 20

deer(鹿) 占有图片数 = 126

dog(狗) 占有图片数 = 62

duck(鸭子) 占有图片数 = 1

elephant(大象) 占有图片数 = 56

fox(狐狸) 占有图片数 = 38

giraffe(长颈鹿) 占有图片数 = 7

goat(山羊) 占有图片数 = 30

hen(母鸡) 占有图片数 = 2

horse(马) 占有图片数 = 24

kangaroo(袋鼠) 占有图片数 = 10

koala(考拉) 占有图片数 = 2

leopard(豹) 占有图片数 = 2

lion(狮子) 占有图片数 = 49

mongoose(猫鼬) 占有图片数 = 1

monkey(猴子) 占有图片数 = 18

moon(月亮) 占有图片数 = 1

moose(驼鹿) 占有图片数 = 27

motorcycle(摩托车) 占有图片数 = 1

objects(物体) 占有图片数 = 1

ostrich(鸵鸟) 占有图片数 = 1

person(人员) 占有图片数 = 111

pig(猪) 占有图片数 = 1

porcupine(豪猪) 占有图片数 = 1

rabbit(兔子) 占有图片数 = 11

racoon(浣熊) 占有图片数 = 1

reindeer(驯鹿) 占有图片数 = 18

sheep(羊) 占有图片数 = 11

snail(蜗牛) 占有图片数 = 1

tiger(老虎) 占有图片数 = 42

tortoise(陆龟) 占有图片数 = 3

tricycle(三轮车) 占有图片数 = 3

truck(卡车) 占有图片数 = 64

van(厢式货车) 占有图片数 = 3

wildebeest(角马) 占有图片数 = 1

wolf(狼) 占有图片数 = 17

zebra(斑马) 占有图片数 = 5

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:数据集没有划分训练验证测试集需自行划分

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
YOLO_DATA4 小时前
无人机高速公路道路缺陷数据集 道路损伤数据集 公路裂缝识别 AI大疆数据集 10798期
人工智能·深度学习·yolo·机器学习·cnn
YOLO数据集集合21 小时前
小目标无人机、飞机、直升机检测数据集 | 小目标检测 无人机检测 空中目标识别 低空安防 反无人机9090期
深度学习·yolo·目标检测·无人机·飞机·小目标·直升机
YOLO数据集集合1 天前
全球无人机航拍树冠覆盖数据集 | 树冠分割 语义分割 无人机航拍 全球森林监测 GeoTIFF 生态恢复9083期
深度学习·yolo·目标检测·无人机·无人机视角·全球森林
Python图像识别1 天前
10-【2027毕设】YOLO11PCB缺陷检测识别系统 - Python完整源码+PyQt5界面+训练模型+数据集
python·深度学习·yolo·毕业设计·毕设
YOLO数据集集合1 天前
无人机树木识别检测数据集 | 树木检测 树种分类 无人机航拍 林业调查9082期
深度学习·yolo·目标检测·无人机·无人机视角·树冠识别·树冠
qq7422349841 天前
YOLO 之外的另一半:RF-DETR 检测实战
yolo
YOLO数据集集合2 天前
无人机低空影像语义分割数据集 | 语义分割 遥感影像 无人机低空 地物分类 Potsdam Vaihingen LoveDA 9080期
人工智能·深度学习·yolo·目标检测·计算机视觉·语义分割·无人机数据集
智购科技自动贩卖机2 天前
自动售货机嵌入式系统时钟同步与时间管理实战:从RTC校准到断网时间保持的工程实践
大数据·linux·数据库·人工智能·yolo
计算机编程-吉哥3 天前
深度学习:我用YOLO11-L做了一个水下垃圾检测系统 对比YOLOv8-L/Faster R-CNN【计算机毕业设计选题推荐】
人工智能·深度学习·yolo·课程设计·计算机毕业设计选题
AI棒棒牛3 天前
YOLO26最新创新改进系列:融合 E3AD 认知注意力 Neck:具身认知增强的 FPN/PAN 特征选择机制,高效创新!
人工智能·yolo·计算机视觉·yolo26