【计算机视觉 | 目标检测】目标检测常用数据集及其介绍（七）

最新推荐文章于 2025-02-16 15:51:37 发布
最新推荐文章于 2025-02-16 15:51:37 发布
阅读量1.2k 收藏
点赞数
分类专栏： 计算机视觉数据集全部汇总介绍 文章标签： 深度学习 目标检测 数据集
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/wzk4869/article/details/132569526
版权
本文介绍了15个目标检测数据集，包括Cops-Ref、FAT、GEN1 Detection等，涵盖了机器人技术、遥感图像、微生物菌落、行人检测、杂货分类、光场数据等多个领域，为深度学习和目标检测研究提供了丰富资源。

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

文章目录

一、Cops-Ref

Cops-Ref 是一个在引用表达理解的背景下进行视觉推理的数据集，具有两个主要特征。

在这里插入图片描述

二、FAT (Falling Things)

Falling Things (FAT) 是一个数据集，用于推进机器人技术背景下物体检测和 3D 姿态估计的最先进水平。 它由生成的真实感图像组成，并为 60k 图像中的所有对象提供准确的 3D 姿势注释。

21 个家居物品的 6 万张带注释的照片取自 YCB 物品集。 对于每个图像，数据集包含所有对象的 3D 姿势、每像素类分割以及 2D/3D 边界框坐标。

在这里插入图片描述

三、GEN1 Detection (Prophesee GEN1 Automotive Detection Dataset)

Prophesee 的 GEN

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【计算机视觉 | 目标检测】目标检测常用数据集及其介绍（十）
wzk4869的博客
08-31 523
【计算机视觉 | 目标检测】目标检测常用数据集及其介绍（十）
【计算机视觉 | 目标检测】目标检测常用数据集及其介绍（一）
wzk4869的博客
08-23 453
【计算机视觉 | 目标检测】目标检测常用数据集及其介绍（一）
分享 | 物体检测和数据集
shenlanshenyanai的博客
01-04 2309
因为最近学习任务比较紧(但也不妨碍元旦摆烂三天)，所以中间有几个实战Kaggle比赛就跳过了,等以后有时间再回头来看看。物体检测和数据集这一节花了有一天的时间，一直有一个bug困扰，后来改了代码把box画到了图上，途中还是挺崩溃的，总的来说这一课收获还挺大的。 物体检测 在前⾯的⼀些章节中，主要学习了诸多⽤于图像分类的模型。在图像分类任务⾥，我们假设图像⾥只有⼀个主体⽬标，并关注如何识别该⽬标的类别。然⽽，很多时候图像⾥有多个我们感兴趣的⽬标，我们不仅想知道它们的类别，还想得到它们在图像中的具体位置。在
目标检测的一些数据集
y1679894291的博客
02-16 1606
PASCAL VOC 是目标检测领域的经典基准数据集，常用于算法性能对比。
计算机视觉·常用数据集·目标检测
seuStones's Blog
11-07 1174
DetectionPASCAL VOC 2009 dataset Classification/Detection Competitions, Segmentation Competition, Person Layout Taster Competition datasets LabelMe dataset LabelMe is a web-based image annotation tool
目标检测数据集
m0_45850873的博客
04-18 4702
1.3分类 目标检测算法方法可以分为两大类：两阶段目标检测算法和端到端目标检测算法。 两阶段目标检测：先进行区域推荐，而后进行目标分类。 端到端目标检测：采用一个网络一步到位 1.4数据集 计算机视觉算法的发展离不开数据集。近十年，目标检测领域出现了许多知名的数据集，包括PASCAL VOC、ImageNet、MS COCO等数据集，这些数据集用于研究者测试算法性能或者用于竞赛。目标检测的性能指标要考虑检测物体的位置以及预测类别的准确性。 Pascal VOC数据集：Pascal VOC早期是计算机视觉领
R-CNN网络基础
最白の白菜的博客
02-28 1507
目录R-CNN网络基础Overfeat模型RCNN模型算法流程候选区域生成CNN网络提取特征目标分类（SVM）目标定位预测过程算法总结Fast RCNN模型算法流程ROI Pooling目标分类和回归模型训练模型预测模型总结总结 R-CNN网络基础 学习目标 了解Overfeat模型的移动窗口方法 了解RCNN目标检测的思想 了解fastRCNN目标检测的思想 知道多任务损失 Overfeat模型 Overfeat方法使用滑动窗口进行目标检测，也就是使用滑动窗口和神经网络来检测目标。滑动窗口使用固定宽
【数据集】目标检测常用数据集||权威数据--持续更新
Thebest_jack的博客
07-08 9758
【数据集】目标检测常用数据集||权威数据--持续更新
【计算机视觉 | 目标检测】目标检测常用数据集及其介绍（十四）
wzk4869的博客
09-09 461
【计算机视觉 | 目标检测】目标检测常用数据集及其介绍（十四）
【计算机视觉 | 目标检测】目标检测常用数据集及其介绍（九）
wzk4869的博客
08-31 593
【计算机视觉 | 目标检测】目标检测常用数据集及其介绍（九）
目标检测开源数据集汇总1
whaosoft143ai的博客
07-10 1662
数据集链接：http://m6z.cn/5AsmXB本数据集共有 1224 张图像来自四个公共图像数据集：COCO、VOC07、ImageNet 和 SUN。Amazon Mechanic Turk 工作人员将每个图像标记为包含 0、1、2、3 或 4 个以上的显着对象。可以在imgIdx.mat中找到此标签信息以及边界框注释，一个存储图像信息的matlab结构数组。MSO 数据集是 SOS 数据集测试集的子集。波士顿大学的团队删除了一些显着对象严重重叠或者对于标记指定数量的显着对象不明确的图像。因此，在来
YOLO系列目标检测数据集大全
热门推荐
小秋的博客
04-17 14万+
YOLO系列目标检测数据集大全目标检测数据集无人机检测数据集飞鸟检测数据集人脸和口罩检测数据集安全帽检测数据集火焰检测数据集火焰和烟雾检测数据集行人检测数据集行人车辆检测数据集车辆检测数据集待更新…… 目标检测数据集 无人机检测数据集 数据集下载： 飞鸟检测数据集 人脸和口罩检测数据集 安全帽检测数据集 火焰检测数据集 火焰和烟雾检测数据集 行人检测数据集 行人车辆检测数据集 车辆检测数据集 待更新…… .....................
盘点：2021年8大热门目标检测开源数据集
TSINGSEE青犀视频官方技术博客
09-29 1582
计算机视觉领域中具有挑战性的主题之一——目标检测，在数字图像作为输入的帮助下，帮助机器理解和识别实时目标。 在这里，我们列出了可用于目标检测项目的顶级开源数据集。 1| MS Coco COCO 是一个大规模目标检测数据集，它解决了场景理解中的三个核心研究问题：检测目标的非标志性视图（或非规范视角）、目标之间的上下文推理以及目标的精确 2D 定位。 该数据集具有多个特征，例如目标分割、上下文识别、超像素内容分割、150 万个目标实例、80 个目标类别等等。 2| 独家暗色 (ExDark)
[数据集][目标检测]老鼠检测数据集VOC+YOLO格式4107张1类别
FL1623863129的博客
06-01 845
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：数据集有增强，目测超过一半都是增强的图片。图片数量(jpg文件个数)：4107。标注数量(xml文件个数)：4107。标注数量(txt文件个数)：4107。标注类别名称:["mouse"]使用标注工具：labelImg。标注规则：对类别进行画矩形框。
《2020/02/24》物体检测数据集整理及下载
guoxiaozhong的博客
02-24 1297
数据集整理及下载 Pascal VOC 数据集 VOC2007 VOC2012 车辆数据集 1. bdd100k 数据集分析可参考： https://blog.youkuaiyun.com/qq583083658/article/details/86493752 数据集国内可用下载地址： bdd100k下载地址 下载地址 2. KITTI数据集 数据集介绍： 数据集介绍及使用 下载地址： http://ww...
EfficientDet训练自己的物体检测数据集
datayx的文章
07-04 7582
向AI转型的程序员都关注了这个号????????????机器学习AI算法工程 公众号：datayx目标检测能够既准确又快速吗？我们常常有一个概念，SSD 等单阶段目标检测器很快，但准...
老鼠目标检测数据集VOC格式200张
lwx666sl的博客
01-20 583
今天，要介绍的就是老鼠目标检测数据集： 数据集格式：Pascal VOC格式 图片数量(jpg文件个数)：200 标注数量(xml文件个数)：200 标注数量(txt文件个数)：200
0926物体检测和数据集
m0_54028213的博客
09-26 1144
物体检测不仅能够识别图片所有感兴趣的物体的类别，还能够识别他们的位置，该位置通常由矩形边框表示 位置通常用边缘框表示（通常有四个数字） 用于目标检测的数据加载与图像分类的数据加载类似，但是，在目标检测中，标签还包含真实边界框的信息，它不出现在图像分类中
物体检测object detection object recognition和coco数据集 动手学深度学习v2 pytorch
AI架构师易筋
04-28 3393
1. 物体检测object detection object recognition 和数据集 物体检测的应用 比 图片识别的应用多得多，物体检测的更实用。比如无人车，自动驾驶，自动售货机识别物体。 COCO： https://cocodataset.org 80个物体。 2. 边缘框代码实现 3. 数据集 4. Q&A 无人车用的硬件光学雷达 Lidar，识别度会很高。特斯拉比较激进用的摄像头，识别率会比较高，人的识别率在于95%，所以机器要高于这个水平。
TrashCan数据集
最新发布
03-22
### 关于 TrashCan 数据集的信息 TrashCan 数据集是一个用于目标检测的数据集，专注于识别不同类型的垃圾箱及其状态（例如是否溢出）。该数据集采用 VOC 和 YOLO 格式，包含三个类别，总计 3493 张图像[^3]。以下是有关此数据集的下载和使用方法的具体说明： #### 下载链接 TrashCan 数据集可以通过以下链接获取： - **下载地址**: https://download.youkuaiyun.com/download/FL1623863129/89700009 #### 文件结构 下载并解压后，数据集通常会按照标准的目标检测框架格式组织。如果参考 mmdetection 的文件夹结构，则可以预期类似的布局[^2]: ``` TrashCan/ ├── annotations/ │ ├── train.json │ └── val.json ├── images/ │ ├── train2017/ │ │ ├── image_0001.jpg │ │ └── ... │ └── val2017/ │ ├── image_0002.jpg │ └── ... └── labels/ ├── train2017/ │ ├── image_0001.txt │ └── ... └── val2017/ ├── image_0002.txt └── ... ``` - `annotations` 存放 JSON 格式的标注文件。 - `images/train2017` 和 `val2017` 分别存储训练集和验证集的图片。 - 如果是 YOLO 格式，标签文件将以 `.txt` 形式存放在对应的子目录中。 #### 使用说明 为了在深度学习框架中使用 TrashCan 数据集，需完成以下几个方面的工作： 1. **安装依赖库** 需要确保已安装支持目标检测任务的相关工具包。例如，在 PyTorch 中可使用 MMDetection 或 Detectron2 进行训练。以 MMDetection 为例，可通过以下命令安装： ```bash pip install mmcv-full mmdet ``` 2. **配置文件调整** 创建或修改配置文件以适配 TrashCan 数据集。假设使用的是 COCO 格式，可以在配置文件中指定路径： ```python data_root = 'path/to/TrashCan/' train_dataset = dict( type='CocoDataset', ann_file=data_root + 'annotations/train.json', img_prefix=data_root + 'images/train2017/', pipeline=train_pipeline) val_dataset = dict( type='CocoDataset', ann_file=data_root + 'annotations/val.json', img_prefix=data_root + 'images/val2017/', pipeline=test_pipeline) ``` 3. **模型训练** 启动训练过程前，请确认 GPU 资源可用，并运行脚本启动训练： ```bash python tools/train.py configs/trashcan_config.py --gpu-id 0 ``` #### 注意事项 - 若数据集中存在未标准化的标注信息，可能需要先对其进行预处理，例如统一尺寸或修正边界框坐标。 - 对于较小规模的数据集，建议启用数据增强技术来提升泛化能力。 ---
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

旅途中的宽~

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