在Open Images V4快速下载需要的数据集

最新推荐文章于 2025-04-28 19:25:13 发布
最新推荐文章于 2025-04-28 19:25:13 发布
阅读量885 收藏 8
点赞数
分类专栏： 和尚撞钟
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。
本文链接：https://blog.youkuaiyun.com/qq_35302327/article/details/111247070
版权
该博客指导如何查询OpenImageV4数据集中所需的类别，并从GitHub下载相关工具包。按照README指示，将所需类别如'Handgun', 'Shotgun', 'Knife', 'Axe', 'Hammer'等写入classes.txt文件，然后运行python main.py downloader --classes...命令进行数据下载。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1.查询open image v4是否有我们需要的类别

在这个网页中查询，那个search框框

2.github上下载这个工具包

项目地址

3.按照readme指示，将所需类别写进项目中的classes.txt中，再运行命令即可。

如：python main.py downloader --classes Handgun Shotgun Knife Axe Hammer --type_csv all

[特殊字符] 基于YOLOv8的Open Images多类别目标检测系统实现（含UI界面）
m0_52343631的博客
04-09 318
发布单位：Google AI类别数量：600+图像数量：~9Mbash复制编辑datasets/images/train/val/test/labels/train/val/test/YOLOv8 是 Ultralytics 推出的最新一代 YOLO 系列模型。全新结构：轻量化设计，速度快。支持多任务：分类、检测、分割。原生支持 TFLite, ONNX, CoreML 等部署格式。强大的训练框架和自动增强机制。
YOLOv8在Open Images V4数据集上的应用：动物、植物、交通工具、食物等目标检测与分割
m0_52343631的博客
04-18 142
YOLOv8是YOLO系列的最新版本，它在多方面做出了显著的优化。YOLOv8的设计目标是进一步提升模型的精度、速度和适应性，同时保持对低计算资源设备的良好支持。YOLOv8采用了一些新技术，如改进的卷积层、特征融合机制和自适应推理技术，这些都使得YOLOv8在处理大型数据集时能够获得更好的性能。高效推理：YOLOv8使用了更加高效的卷积神经网络结构，保证了在GPU和CPU等计算平台上的高效推理。多任务学习：YOLOv8不仅能够进行目标检测，还支持实例分割任务，通过分离的网络分支实现对图像的全面理解。
Open Images V4 下载自己需要的类别（数据集获取）
perfect_ch的博客
07-10 4405
注释文件如下： Class Names: class-descriptions-boxable.csv 数据集内部使用的类名到人类可理解名称的对应 Boxes: train-annotations-bbox.csv 训练图像中对象实例的边框注释 validation-annotations-bbox.csv 验证图像中对象实例的边框注释 test-annotati...
Open Images数据集解析----下载Open Images V4指定的类别数据
越努力，越幸运
10-11 4037
1.下载Open Images的注释文件 注释文件如下： Class Names: class-descriptions-boxable.csv 数据集内部使用的类名到人类可理解名称的对应 Boxes: train-annotations-bbox.csv 训练图像中对象实例的边框注释 ...
用Fiftyone下载OpenImage Datasetv6数据集
qq_45828295的博客
10-08 2395
openimage下载数据集
数据集：Open Images V4
女王の专属领地
05-04 7439
4 月 30 日，谷歌在其官方博客上发文称将开放 Images V4 数据库，并同时开启 ECCV 2018 公开图像挑战赛。 2016 年，我们发布了一个包含大约 900 万张图片、标注了数千个对象类别标签的数据集 Open Images。发布之后，我们一直在努力更新和改进数据集，以便为计算机视觉社区提供有用的资源来开发新模型。 今天，我们很高兴地宣布开放Open Images V4，它包...
数据集下载
qq_53682472的博客
03-15 936
谷歌Open-image-v6是由谷歌出资标注的一个超大型数据集，数据大小达到600多G，类别达到600多种分类，对于普通研究者而言，根本没办法全部下载下来做测试，也没必要。只需要下载与自己任务相关的数据集即可。下载后的文件中含有一个classes文件，里面包含了600多个类别，然后在里面找到自己感兴趣的类别，进一步下载就可以了。一、数据集下载——谷歌Open images。
使用 Google Open Images V4 数据集进行数据准备和训练 PJReddie 的 YOLOv3 检测自定义对象的端到端教程 包括从 OIv4 下载特定类的说明，以及用于准备数据.zip
11-26
使用 Google Open Images V4 数据集进行数据准备和训练 PJReddie 的 YOLOv3 检测自定义对象的端到端教程。包括从 OIv4 下载特定类的说明，以及用于准备数据的 Python 工作代码示例。使用 Google 的 OpenImagesV4 ...
基于YOLOv5与Open Images V4数据集进行目标检测：UI界面应用与实现
最新发布
m0_52343631的博客
04-28 436
Open Images是由Google发布的大规模数据集，致力于推动计算机视觉领域的发展。YOLOv5是YOLO系列中最新的目标检测模型，继承了YOLO家族高效、实时的特点，并在精度上做了改进。YOLOv5通过单阶段的检测策略，同时预测目标的类别和边界框，并直接回归坐标，避免了传统方法中多阶段的复杂计算。速度快：YOLOv5支持快速推理，适合实时检测任务。高精度：通过改进的网络架构，YOLOv5在多个目标检测任务中表现出色。灵活性：YOLOv5支持自定义配置，易于迁移到不同的硬件和应用场景。
在自建的数据集上训练yolov3准备（一）：按照物体类别（单类&多类）快速准确下载Open Images V4数据集、保存成yolo3标注格式并用yolo_mark验证（附python脚本）。
意疏的学习笔记
03-30 5880
前言 Open Images V4是谷歌在2018年开放的一个约900万（9M）图像的数据集，被分成训练集，验证集和测试集三个部分。使用图像级标签（image-level labels），目标边界框（object bounding boxes）和视觉关系（visual relationships）进行注释。图像级标签：有近两万个不同的类具有标签，有些为人工标注，有些为机器标注。目...
（三）Google Open Images Dataset V5 下载
T_or_F的博客
05-20 5362
第一行：是指源图片本身下载，就是一张张图，不包含边界框等信息，主要两个地方可下，CVDF是指通用视觉数据基金会。 第二行：train-annotations-bbox.csv、validation-annotations-bbox.csv、test-annotations-bbox.csv 指边界框等信息。我们试着下载一个下来，是个csv文件，我们暂称它为...
图像处理 openimage
11-15
一个图像处理的实例。几乎包含了各种基本的图像处理函数
OpenImageIO-2.1.18.1-cp37-cp37m-win_amd64
08-19
OpenImageIO-2.1.18.1-cp37-cp37m-win_amd64
OpenImages V6下载
qq_45033722的博客
04-14 2281
新工具：Fiftyone 网址 可以采用colab运行程序，点击即可： 完整代码： !pip install opencv-python-headless==4.5.4.60 !pip install fiftyone !pip install tensorflow torch torchvision umap-learn !pip install ipywidgets>=7.5 import fiftyone as fo import fiftyone.zoo as foz # 连接谷歌云盘
使用FiftyOne下载Open Images指定类别数据
weixin_45680977的博客
06-14 3095
使用FiftyOne下载数据集中指定类别数据
ImageOpenV4数据集解析
gusui7202的博客
12-11 1681
2018.12.11更新：关于ImageOpenV4数据集 上次阅读《百度视觉团队参赛技术解剖》进行的分析。 https://blog.youkuaiyun.com/gusui7202/article/details/84259232 原始资料为:https://baijiahao.baidu.com/s?id=1611471635767947365&wfr=spider&for=pc ...
Open Images 数据集使用教程
gitblog_00039的博客
04-04 713
Open Images 数据集使用教程 dataset The Open Images dataset 项目地址: https://gitcode.com/gh_mirrors/dat/dataset 1. ...
探索Open Images Dataset v4: 极速构建个人目标检测器的利器
gitblog_00374的博客
08-15 938
探索Open Images Dataset v4: 极速构建个人目标检测器的利器 OIDv4_ToolKit项目地址:https://gitcode.com/gh_mirrors/oid/OIDv4_ToolKit 在机器学习领域，数据是模型的灵魂。而Open Images Dataset v4（OIDv4）正是一个令人惊叹的数据宝库，包含了超过170万张带有边界框标注的图像，覆盖了600个不同...
Open Images v4
01-06
### 关于Open Images 数据集版本4的信息 #### 数据集概述 Open Images 是一个大规模的图像数据集，旨在促进计算机视觉研究的发展。第四版（v4）显著扩展了先前版本的内容，在数量和多样性方面都有所提升[^2]。 #### 图像标签类别 此版本包含了超过9百万张图片的人工标注信息。这些图像是从网络上收集而来并经过精心筛选以确保质量。对于每一张照片，都提供了详细的元数据描述以及边界框位置来指示目标物体所在区域。 #### 类别细分 为了便于理解和应用，所有标记被分为多个层次结构下的细粒度分类体系。这不仅有助于提高模型训练效率，还使得研究人员能够更精确地定义任务需求。例如，在自动驾驶领域内使用的Waymo开放平台也依赖类似的高质量多模态感知数据来进行算法优化和发展[^1]。 #### 应用场景 由于其丰富的语义信息和广泛的覆盖范围，该数据集非常适合用于开发先进的机器学习解决方案，特别是在对象检测、实例分割等领域有着广泛的应用前景。此外，通过与其他资源相结合，还可以探索更多可能性，比如跨域迁移学习等高级课题的研究。 ```python import tensorflow as tf from object_detection.utils import dataset_util def create_tf_record(image_paths, label_map_dict): writer = tf.io.TFRecordWriter('output.tfrecord') for idx, path in enumerate(image_paths): with tf.io.gfile.GFile(path, 'rb') as fid: encoded_jpg = fid.read() filename = path.split('/')[-1].encode('utf8') width, height = Image.open(io.BytesIO(encoded_jpg)).size xmins = [] xmaxs = [] ymins = [] ymaxs = [] classes_text = [] classes = [] # 假设我们已经得到了bounding box坐标和对应的label id for bbox, class_id in get_bounding_boxes_and_labels(idx): xmins.append(bbox['xmin'] / width) xmaxs.append(bbox['xmax'] / width) ymins.append(bbox['ymin'] / height) ymaxs.append(bbox['ymax'] / height) classes_text.append(label_map_dict[class_id]) classes.append(class_id) tf_example = tf.train.Example(features=tf.train.Features(feature={ 'image/height': dataset_util.int64_feature(height), 'image/width': dataset_util.int64_feature(width), 'image/filename': dataset_util.bytes_feature(filename), 'image/source_id': dataset_util.bytes_feature(filename), 'image/encoded': dataset_util.bytes_feature(encoded_jpg), 'image/format': dataset_util.bytes_feature(b'jpg'), 'image/object/bbox/xmin': dataset_util.float_list_feature(xmins), 'image/object/bbox/xmax': dataset_util.float_list_feature(xmaxs), 'image/object/bbox/ymin': dataset_util.float_list_feature(ymins), 'image/object/bbox/ymax': dataset_util.float_list_feature(ymaxs), 'image/object/class/text': dataset_util.bytes_list_feature(classes_text), 'image/object/class/label': dataset_util.int64_list_feature(classes), })) writer.write(tf_example.SerializeToString()) writer.close() ```
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
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