公路落石数据集2328张VOC+YOLO格式

原创 于 2026-07-26 09:11:14 发布 · 113 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
收录于
数据集

当前文章被收录于：

数据集
746 篇文章 98 人学习
订阅专栏 查看详情

公路落石数据集2328张VOC+YOLO格式

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)：2328
标注数量(xml文件个数)：2328
标注数量(txt文件个数)：2328
标注类别数：1
所在github仓库：datasets_sl
标注类别名称:["stone"]
每个类别标注的框数：
stone 框数 = 16257
总框数：16257
每个类别占有图片数：
stone 占有图片数 = 2328
图片分辨率：多分辨率图片,如640x465,640x360等
使用标注工具：labelImg
数据集是否增强：是
标注规则：对类别进行画矩形框001
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

标注及图片情况如下：

标签
#YOLO #深度学习 #落石 #公路落石 #道路落石
#公路石头
使用YOLO训练Kitti数据集
热门推荐
baolinq的博客
12-30 1万+
其他文章http://blog.csdn.net/baolinq          上次写了一篇关于使用yolo训练VOC数据集的文章，传送门（http://blog.csdn.net/baolinq/article/details/78724314）。但是总不能只使用一个数据集，多使用几个数据集看看效果。因为我主要在做车辆和行人方面的检测。正好KITTI 数据集是做无人驾驶方面的公开权威数
40多种车辆数据集VOC+YOLO格式下载地址汇总
2401_85863780的博客
10-28 930
【目标检测】车辆分类数据集1880张7类VOC+YOLO（含摩托车、救护车、消防车、警车、警用摩托车、轿车、大车）.zip。【目标检测数据集】车辆品牌车标检测识别数据集6290张8类VOC+YOLO格式.zip。【目标检测数据集】高空拍摄小车轿车检测数据集601张VOC+YOLO格式.zip。【目标检测数据集】车类型（小轿车）数据集6000张VOC+YOLO格式.zip。【目标检测数据集】车类型（小轿车）数据集6250张VOC+YOLO格式.zip。
车辆-目标检测数据集（包括VOC格式、YOLO格式）
DL_data_set的博客
10-13 3020
常见车辆病害数据集，目标检测，yolo，voc，复杂背景
公路落石滑坡坍塌倒树检测数据集VOC+YOLO格式1485张4类别
2403_88102872的博客
11-28 1035
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)标注类别名称:["daolutanta","daoshu","huapo","shitou"]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。图片数量(jpg文件个数)：1485。标注数量(xml文件个数)：1485。标注数量(txt文件个数)：1485。标注规则：对类别进行画矩形框。
智慧交通地质灾害检测马路边滑坡公路落石倒树检测数据集VOC+YOLO格式958张3类别
FL1623863129的博客
11-18 605
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):["fall_rock","fall_tree","landslide"]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)图片分辨率：多分辨率图片,如595x500,1528x1059等。图片数量(jpg文件个数)：958。标注数量(xml文件个数)：958。标注数量(txt文件个数)：958。
【数据集】【YOLO】【目标检测】无人机车辆识别数据集 18524 张，无人机车辆识别，YOLO无人机车辆识别算法实战训练教程。
CV 小涵的博客，计算机本硕211毕业，研究计算机视觉、模型微调、RAG等方向，收藏有国内外优质数据集，解决视觉相关项目方案，欢迎交流讨论。
11-11 4787
【数据集】【YOLO】【目标检测】无人机车辆识别数据集 18524 张，YOLO无人机车辆识别系统实战训练教程。 数据集中包含10种分类，来自国内外图片网站、无人机航拍视频截图，可用于无人机车辆分类检测、监控车辆分类检测等。 检测场景为街道、高速公路、停车场、产业园区内等有车辆行驶的场景，可用于智慧交通监管等，服务于道路车辆监管、车流量管控、道路拥塞控制、车辆分类别限流等。 基于QT的yolo可视化界面实战详细教程。
遥感图像DIOR数据集和VOC转为yolo格式代码
qq_44235661的博客
07-26 3294
DIOR数据集和voc格式转yolo格式代码
【数据集+完整源码】【YOLO】道路积雪结冰数据集，目标检测道路积雪、结冰识别数据集 2152 张，YOLO道路积雪、结冰识别系统实战教程
CV 小涵的博客，计算机本硕211毕业，研究计算机视觉、模型微调、RAG等方向，收藏有国内外优质数据集，解决视觉相关项目方案，欢迎交流讨论。
11-25 3602
【数据集】【YOLO】【目标检测】道路积雪、结冰识别数据集 2152 张，YOLO道路积雪、结冰识别系统实战训练教程，yolo道路积雪、结冰识别。 数据集中包含3种分类：names:['Snow_road', 'clear-road', 'object']，表示"积雪，干净路面，积雪"。 数据集来自国内外网站图片采集、监控视频采集数据； 可用于无人机道路积雪、结冰识别，监控道路积雪、结冰识别。 检测场景为高速公路、城市道路、山区道路等场景。 基于QT的yolo可视化界面详细教程。
固定视角拍摄公路车辆数据集5236张VOC+YOLO格式
lwx666sl的博客
12-03 203
本文介绍了一个固定视角拍摄的公路车辆目标检测数据集。该数据集包含5236张图片，提供VOC和YOLO两种格式，分为JPEGImages、Annotations和labels三个文件夹。数据标注了5类车辆（自行车、公共汽车、汽车、摩托车、卡车），共57902个标注框，其中汽车占比最高（47407个）。数据集为原始未增强图像，采用矩形框标注，清晰度良好。特别声明不保证训练模型精度，仅确保标注准确性。
公路隧道积水检测数据集VOC+YOLO格式207张1类别
FL1623863129的博客
04-23 480
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)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):["water"]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。图片数量(jpg文件个数)：207。标注数量(xml文件个数)：207。标注数量(txt文件个数)：207。标注规则：对类别进行画矩形框。
公路上的骑车人员识别检测-YOLO，COCO，VOC三种带标注的常见格式数据集资源
yolo模型训练找我，AI游戏合作找我
12-11 1246
该数据集用计算机视觉技术，对公路上的骑车人员进行自动识别和检测。这种技术可以识别出公路上的骑自行车的人，帮助交通管理部门更好地监测和管控道路交通。通过识别检测，可以对违规骑车人员进行警示和处罚，提高道路交通安全。该技术使用图像处理和机器学习算法，结合摄像头或监控设备来实现，目前有YOLOV11，YOLOV9，YOLOV8，YOLOV7，YOLOV5，COCO，VOC常见格式带标注的。没有采用任何预处理步骤。
如何训练自己的数据集之——DIOR遥感小目标目标检测数据集
2401_88441190的博客
10-28 5267
【DIOR遥感小目标目标检测数据集】 该数据集共包括20个类别； 共计图片23463张图片，训练集11725，验证集11738 已处理成yolo格式、voc格式，可直接用于训练； ***已亲测过，模型效果有保障； 标签类别及各类别标签个数如下（train/test） 0 harbor 港口 2369 3140 1 ship 船舶 27292 35108 2 storagetank 储罐 3053 23361 3 chimney 烟囱 649 1032 4 dam 水坝 512 537 5 trainstat
【完整源码+数据集】道路拥塞数据集，yolo道路拥塞检测数据集 8921 张，交通拥堵识别数据集，路口拥塞识别系统实战教程
最新发布
CV 小涵的博客，计算机本硕211毕业，研究计算机视觉、模型微调、RAG等方向，收藏有国内外优质数据集，解决视觉相关项目方案，欢迎交流讨论。
01-01 1333
【完整源码+数据集】道路拥塞数据集，yolo道路拥塞检测数据集 8921 张，交通拥堵识别数据集，路口拥塞识别系统实战教程，目标检测，包含YOLO/VOC格式标注，训练、验证、测试集已划分。 数据集中标签包含2种分类：names = ['0', '1']，分别代表交通拥堵与疏松。 检测场景为城市道路、乡镇道路、高速公路、十字路口、园区等场景，可用于提升交通网络运行效率、保障出行安全、优化城市交通生态​​​​​​​等。 基于YOLO的交通拥堵检测系统实战详细步骤、源码。
无人机视角道路垃圾检测数据集VOC+YOLO格式6232张64类别
FL1623863129的博客
10-28 901
Other plastic container (其他塑料容器) 框数 = 50。Clear plastic bottle (透明塑料瓶) 框数 = 1707。Other plastic bottle (其他塑料瓶) 框数 = 281。Other plastic wrapper (其他塑料包装) 框数 = 2。Plastic bottle cap (塑料瓶盖) 框数 = 209。Other plastic cup (其他塑料杯) 框数 = 6。
公路隧道火灾检测数据集VOC+YOLO格式1183张2类别
FL1623863129的博客
06-05 405
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)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):["fire","smoke"]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。图片数量(jpg文件个数)：1183。标注数量(xml文件个数)：1183。标注数量(txt文件个数)：1183。
【目标检测数据集】摩托车数据集3500张VOC+YOLO格式
lwx666sl的博客
03-31 645
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)：3502 标注数量(xml文件个数)：3502 标注数量(txt文件个数)：3502 标注类别数：1 标注类别名称:["motorcycle"] 每个类别标注的框数： motorcycle 框数 = 8654 总框数：8654 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
公路隧道交通事故检测数据集VOC+YOLO格式1896张4类别
FL1623863129的博客
06-05 392
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):["accident","fire","person","vehicle"]注意数据集中有少部分不是隧道场景图片主要是为了提高模型特征学习泛化能力，数据集聚焦于交通事故，标签也有火灾检测的但是基本都不是隧道内的火，图片整体稍微模糊，请认真观看图片。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)
佩戴头盔数据集，5498张图片，平均识别率95.3% 其中戴头盔的图有2348张，支持yolo，coco json， pasical voc xml格式的标注
yolo模型训练找我，AI游戏合作找我
07-12 1870
佩戴头盔数据集通常包含图像或视频数据，标注了行人、骑行者或摩托车驾驶员是否佩戴头盔。这类数据集广泛应用于交通安全、智能监控和计算机视觉领域。数据集可能包含不同场景（如城市道路、高速公路）、光照条件（白天、夜晚）以及多种角度（正面、侧面、俯视）的样本。边界框标注（Bounding Box）：标记头盔或头部的具体位置。分类标签：标注“佩戴”或“未佩戴”头盔。关键点标注：标注头盔或头部的关键特征点。
可见光+红外数据集（已处理，YOLO可直接训练）
Dneccc的博客
12-08 1万+
可见光+红外双模态数据集
智慧交通道路路面异物高速公路抛洒物检测数据集VOC+YOLO格式233张1类别
FL1623863129的博客
12-29 661
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)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):["object"]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。图片数量(jpg文件个数)：233。标注数量(xml文件个数)：233。标注数量(txt文件个数)：233。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

不会仰游的河马君

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值