【目标检测】交通事故数据集4801张YOLO+VOC(已增强)

【目标检测】交通事故数据集4801张YOLO+VOC(已增强)

数据集介绍:含增强,图片为真实与游戏场景的交通事故标注
数据集格式:VOC格式+YOLO格式
压缩包内含:3个文件夹,分别存储图片、xml、txt文件
JPEGImages文件夹中jpg图片总计:4801
Annotations文件夹中xml文件总计:4801
labels文件夹中txt文件总计:4801
标签种类数:2
标签名称:["moderate","severe"]
每个标签的框数(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):
moderate 框数 = 1353
severe 框数 = 3613
总框数:4966
图片清晰度(分辨率:像素):清晰
图片是否增强:是
标签形状:矩形框,用于目标检测识别
数据集类型:120m
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

注示例或图片概览:

 

这个全面的数据集提供了多年报告的道路事故的详细信息。该数据集包含与事故状态、车辆和伤亡参考、人口统计和伤亡严重程度相关的各种属性。它包括行人详细信息、伤亡类型、道路维护工人参与以及伤亡者所在地区的多重剥夺指数 (IMD) 十分位数等基本因素。 列: 状态:事故的状态(例如,已报告、正在调查)。 Accident_Index:每个报告的事故的唯一标识符。 Accident_Year:事故发生的年份。 Accident_Reference:与事故相关的参考编号。 Vehicle_Reference:事故中涉及车辆的参考编号。 Casualty_Reference:事故中涉及的伤亡者的参考编号。 Casualty_Class:表示伤员的类别(例如,驾驶员、乘客、行人)。 _of_Casualty:伤员的性别(男性或女性)。 Age_of_Casualty:伤员的年龄。 Age_Band_of_Casualty:伤员所属的年龄组(例如,0-5、6-10、11-15)。 Casualty_Severity:伤亡人员受伤的严重程度(例如,致命、严重、轻微)。 Pedestrian_Location:事故发生时行人的位置。 Pedestrian_Movement:事故期间行人的移动。 Car_Passenger:指示伤亡者在事故发生时是否为汽车乘客(是或否)。 Bus_or_Coach_Passenger:指示伤亡者是公共汽车还是长途汽车乘客(是或否)。 Pedestrian_Road_Maintenance_Worker:指示伤亡者是否为道路维护工人(是或否)。 Casualty_Type:伤亡类型(例如,司机/骑手、乘客、行人)。 Casualty_Home_Area_Type:伤亡者居住的区域类型(例如,城市、农村)。 Casualty_IMD_Decile:伤亡者居住地区的 IMD 十分位数(剥夺的衡量标准)。 LSOA_of_Casualty:与伤员位置关联的下层超级输出区域 (LSOA)。 此数据集为分析道路事故、识别趋势和实施安全措施以减少伤亡和提高道路安全提供了有价值的见解。研究人员、政策制定者和分析师可以利用此数据集进行基于证据的决策并改善整体道路运输系统。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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