【免登录下载】2400张实拍图 + 8类垃圾标注：水面漂浮物检测用 Darknet 一步跑通
项目地址: https://gitcode.com/open-source-toolkit/28435 水面漂浮物数据集是一套面向水中漂浮物检测的开箱式深度学习数据集：2400 张实拍图片，配 3510 个手工绘制的边界框，覆盖瓶子、树枝、塑料袋等 8 类杂物。数据采用标准 PASCAL VOC 2007 目录结构，README 明确其为 Darknet 物体检测框架设计，可直接用于训练与验证。做智慧水务演示、课程里的目标检测作业，都能用它跳过"采集 + 标注"这道坎。
自己采集标注水面漂浮物，为什么这么折磨人
做漂浮物检测 demo，第一步往往就得去河边拍照片，再给每只瓶子、每个塑料袋一个个画框，几百张下来眼睛先罢工 😩 更麻烦的是，拍摄点位单一、背景同质化，模型换个水域基本不认；每个人用的标注工具格式还不一样，交接起来很痛苦。这套水面漂浮物数据集把 2400 张图、统一格式一次性给你，这两个环节可以直接省掉。
2400 张图到底标注了什么
- 2400 张实拍图，统一 416×416 分辨率，共 8 类垃圾、3510 个边界框；最多的是 bottle（1691 框），最少的是 ball（49 框）
- 每张图配一份 PASCAL VOC XML 标注（类别 + bbox），位于
VOCdevkit/VOC2007/Annotations/ - 目录是标准 VOC2007 结构：图片在
JPEGImages/，ImageSets/Main/里已给出 train/val/test 划分清单，不用自己随机切分 - 面向 Darknet 训练流程，附带
gen.py辅助脚本，用于生成 trainval/test 文件列表
从下载到跑通第一张推理
- 从仓库下载
水面漂浮物数据集-2400.zip，解压得到VOCdevkit/VOC2007/目录 - 在 Darknet 的
obj.data中把图片与标注路径分别指向JPEGImages/和Annotations/（具体配置项以 README 和所用版本为准） - 把检测网络类别数设为 8，类名依次为 bottle、branch、plastic-bag、leaf、milk-box、plastic-garbage、grass、ball
- 用现成的 train/val 清单训练，再抽一张图推理，确认框能压中漂浮物
哪些项目会直接吃这套数据
- 河道巡检：巡河团队用它训练模型，摄像头画面里出现塑料瓶、树枝就自动告警
- 无人机巡查：拿训好的模型筛查低空河道影像里的漂浮物，标记清理点位
- 智慧水务：把漂浮物检测做成巡检指标，结合水位、流量数据触发清理任务
不止 Darknet，换框架也不难
标注是标准 VOC XML 格式，用常见工具转成 YOLO txt、COCO 等其他框架需要的形式即可，图片本身不用动。使用中发现类别不匹配或有疑问，欢迎到仓库 Issue 里留言反馈。
下载后先解压跑通一张推理图，确认框压得准，再决定要不要扩到全量训练——第一张出图的结果，比任何 demo 都管用。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
