隧道目标识别实验过程（一）数据集的制作

最新推荐文章于 2025-11-04 10:00:00 发布

转载最新推荐文章于 2025-11-04 10:00:00 发布 · 910 阅读

1 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/zhoulixue/p/6781960.html

本文介绍了一种从隧道监控视频(.dav格式)中提取并转换为.avi格式的方法，并进一步将视频分解为图片帧的过程。同时，设计了包含非机动车辆、小型机动车辆、大型机动车辆和行人的目标类别，使用imagelabel工具制作了XML标注文件。

数据获取

获得隧道监控视频

原始的隧道监控视频是.dav格式，我直接用优酷播放器转换成.avi格式的视频文件。

原始视频（.dav）

优酷:

转码后的文件：

将视频转换成图片

利用Total Video Converter软件将.avi视频转换成图片得到原始的图片数据:

数据集制作

隧道内目标的种类初步设计为（1）非机动车辆cyclist（2）小型机动车辆car（3）大型机动车辆bus（4）行人pedestrian

利用imagelabel工具制作xml文件：

转载于:https://www.cnblogs.com/zhoulixue/p/6781960.html

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

aibi8107

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

目标检测YOLO实战应用案例100讲-交通目标数据集构建及高性能检测算法研究与应用

qq_36130719的博客

12-07

1159

近年来，伴随着道路建设的长足进步与汽车保有量的快速增长，道路交通压力显著增加，对交通信息的智能化采集、交通的智慧化管理提出了新要求。实现交通智能化建设的首要任务与技术难点是如何高效的获取交通目标信息、高质量的完成交通场景目标检测。目标检测技术[1]中的传统目标检测方法鲁棒性差、适用性弱、精度提高困难，但随着人工智能、机器视觉、深度学等领域研究方法和技术的不断成熟，基于深度学习的目标检测为利用交通监控系统分析车辆运行状态及道路危险事件并改善交通安全提供了可靠手段。

目标检测YOLO实战应用案例100讲-基于深度学习的无人机航拍图像目标检测算法研究与应用

qq_36130719的博客

05-28

4203

目标检测的目的是识别出图像中感兴趣的物体并将其定位，相比于传统手工提取图像特征的方法，基于深度学习的目标检测方法更加高效。同时，由于无人机工作的空域环境较为复杂，的范围，可见光遥感探测技术及其成像器件的发展使获得的影像幅宽更大，图像。随着时间的推移和科学技术的进步，在多元化的应用场景和海量。的数据下，人工判读的方式耗时费力且容易出错，因此催生出对无人机航拍影像。比例远高于自然场景影像，且小目标在图片中像素点较少，提供的分辨率有限，觉领域中相关技术的不断发展和完善，面向自然图像的目标检测技术日趋成熟，

参与评论您还未登录，请先登录后发表或查看评论

DNS 隧道数据集调研

ailx10

05-14

904

调研了一圈发现DNS隧道的数据集，基本上都是工具构建的，刚刚开始的时候，以为国内学术界是这样的，后来发现，国外学术界也是这样的，心照不宣。我开放了一套DNS隧道数据集，包括dnscat2、dns2tcp、iodine、cobalt strike等常见的DNS隧道。DNS隧道开放数据集，国内仓库地址[1]DNS隧道开放数据集，国外仓库地址[2]国内DNS隧道数据集浙江大学学报中的一篇中文论文《基于日...

多种隧道裂缝数据集可用于目标检测分类

02-27

内含多种数据集，可供深度学习跑模型使用，用yolov8跑出来的模型map值0.85。都是在毕设期间一张张打标签，一共有2100多张图片（标签有txt和xml两种格式）制作不易

智能识别之隧道裂缝识别隧道裂缝数据集 隧道裂缝分割数据集 隧道病害识别数据集 unet算法 deeplab算法 yolo算法数据集

热门推荐

Together_CZ的博客

12-12

1万+

水泥路面、桥梁基建、隧道裂痕裂缝检测数据集

隧道目标识别实验过程（二）标准VOC数据集和制作后的数据集实验结果对比

05-01

425

VOC标准数据集中一共有20个类别： 'aeroplane', 'bicycle', 'bird', 'boat','bottle', 'bus', 'car', 'cat', 'chair','cow', 'diningtable', 'dog', 'horse','motorbike', 'person', 'pottedplant','sheep', 'sofa', 'train...

基于MATLAB车牌图像识别的设计与实现

2401_86539719的博客

07-31

1833

车牌识别系统主要包括了图像采集、图像预处理、车牌定位、字符分割、字符识别等五大核心部分。本文主要介绍图像预处理、车牌定位、字符分割三个模块的实现方法。其中图像预处理模块是将图像灰度化和用Roberts算子进行边缘检测。车牌定位和分割采用的是利用数学形态法来确定车牌位置，再利用车牌彩色信息的彩色分割法来完成车牌部位分割。字符的分割采用的方法是以二值化后的车牌部分进行垂直投影，然后在对垂直投影进行扫描，从而完成字符的分割。最后使用MATLAB软件环境进行字符分割的仿真实验，结果表明该方法具有良好的性能。

一种基于关键信息监督的隧道雷达数据衬线识别算法

weixin_70923796的博客

03-10

882

模型，通过对高斯分布的热图进行监督，既提升了预测精度，成为一种全微分模型的热图监督法，又具备直接坐标回归方式的空间泛化能力，兼顾了坐标回归和热图回归两种方式的优点，实现衬砌线的智能判识。展示了各网络所生成的关键点及曲线拟合的效果，最终衬砌线的拟合效果取决于关键点预测的位置信息，关键点稀疏将导致曲线不接近真实衬砌线条，对于同一张输入图像，本文方法所拟合的衬砌线最贴合真实衬砌线条，而其他两个网络均存在线条不平滑、与真实衬砌线存在较大差距等缺点。关键点检测已广泛应用于人脸。，标注出的脱空区域与衬砌结构形态类似。

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

439

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。

桥梁裂缝数据集(500张真实裂缝图像)

06-26

图像可用于进行检测，分割，等桥梁病害，该数据共有一包，包含500张真实桥梁裂缝图像，可与其他数据配合使用，主要运用与神经网络的训练和测试环节。

铁轨裂纹数据集（第二部分）

11-19

这个数据集是自己制作的铁轨裂纹数据集，使用LabelImg软件自己标注的，格式为VOC2007。数据集图片共14010张。这是第二部分，第一部分请下载另外一个压缩包，即VOC2007第一部分。

目标检测数据集：道路裂缝检测（VOC标注，包含训练集和验证集)

05-02

项目包含：道路裂缝检测（VOC标注，包含训练集和验证集)，数据保存按照文件夹保存，经测试，可直接用作目标检测数据集，无需额外处理。图像分辨率为416*416的大分辨率RGB图片，数据集为生活中道路表面的常见裂缝检测【数据集介绍】道路裂缝检测，1类别：crack 【数据总大小】7 MB 【数据集详情】data目录下分为两个目录，train为训练数据、test为测试数据，每个目录下各有两个子文件夹。images存放数据图片，labels目录存放标注文件。训练集共528张图片和528个xml解释文件。训练集共132张图片和132个xml解释文件【json文件】1类别的json字典文件为了方便查看数据，提供了可视化py文件，随机传入一张图片即可绘制边界框，并且保存在当前目录。脚本无需更改，可以直接运行得到标注后的图像！

道路裂缝图像数据集.rar

04-18

1、资源描述：道路裂缝图像数据集.rar 2、资源内容：道路裂缝图像数据集.rar 4、更多数据集合和仿真源码下载列表（自行寻找自己需要的）：https://blog.youkuaiyun.com/m0_62143653?type=download 5、作者介绍：某大厂资深算法工程师，从事Matlab、Python、C/C++、Java、YOLO算法仿真工作10年；擅长计算机视觉、目标检测模型、智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、智能控制、路径规划、无人机等多种领域的算法仿真实验，欢迎交流学习。

[数据集][目标检测]电力工地场景下的人头检测数据集VOC+YOLO格式7035张1类别

FL1623863129的博客

06-03

840

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)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。重要说明：图片场景主要是电力行业和工地场景下人员的人头检测。图片数量(jpg文件个数)：7035。标注数量(xml文件个数)：7035。标注数量(txt文件个数)：7035。标注类别名称:["head"]使用标注工具：labelImg。标注规则：对类别进行画矩形框。

基于yolov5s+bifpn实践隧道裂缝裂痕检测

Together_CZ的博客

11-07

5932

基于yolov5s+bifpn实践隧道裂缝裂痕检测

草莓成熟度检测数据集VOC+YOLO格式3294张4类别

FL1623863129的博客

01-26

487

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):["flower","half_ripe","initial_ripe","ripe"]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)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。标注数量(xml文件个数)：3294。标注数量(txt文件个数)：3294。