【亲测免费】 车辆数据集YOLO格式
2026-01-30 04:06:29作者:卓艾滢Kingsley
简介
本仓库提供了一组YOLO格式的车辆数据集,适用于YOLO系列神经网络模型的训练。数据集包含了五个不同的车辆类别,分别是:Ambulance(救护车)、Bus(公交车)、Car(轿车)、Motorcycle(摩托车)以及Truck(卡车)。这些数据集是经过精心整理,可直接用于车辆检测相关的深度学习训练。
数据集详情
-
类别:数据集总共分为五个类别,具体包括:
- Ambulance(救护车)
- Bus(公交车)
- Car(轿车)
- Motorcycle(摩托车)
- Truck(卡车)
-
格式:数据集遵循YOLO格式,其中每张图片的标注信息存储在一个文本文件中,每行代表一个检测框,格式为:
<类别编号> <中心点x> <中心点y> <宽度> <高度>,所有值均为归一化后的相对坐标。 -
使用方式:数据集可以直接应用于YOLO神经网络模型的训练,用户需要根据YOLO模型的训练要求准备相应的训练脚本,并确保标注文件的格式与YOLO模型的要求相匹配。
注意事项
- 请确保在使用数据集时遵循相关法律法规,不得将数据用于非法用途。
- 数据集的版权归提供者所有,未经允许不得用于商业目的。
- 使用数据集进行学术研究或公开演示时,请适当引用数据集来源。
结束语
本数据集为车辆检测相关的研究和开发提供了便利,用户可以根据实际需求进行使用和调整。希望数据集能够对您的工作有所帮助。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0120
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
684
1.33 K
Ascend Extension for PyTorch
Python
720
883
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
440
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
610