写在前面:数据集对应应用场景,不同的应用场景有不同的检测难点以及对应改进方法,本系列整理汇总领域内的数据集,方便大家下载数据集,若无法下载可关注后私信领取。关注免费领取整理好的数据集资料!本文数据集链接: https://pan.baidu.com/s/1IkxncYLWjphMHHeGkLQz3w 提取码:关注后私信获取 该数据集还是很不错的供研究的数据集,如果研究无人机视角的图像检测同学可以用该数据集进行研究。小目标、目标重叠、复杂背景等舰船难点,导致检测的mAP会较低,很有研究价值。
VisDrone2019数据集由天津大学机器学习和数据挖掘实验室AISKYEYE团队收集。基准数据集包括288个视频片段,由261908帧和10209幅静态图像组成,由各种无人机摄像头捕获,覆盖范围广泛,包括位置(来自中国相隔数千公里的14个不同城市)、环境(城市和农村)、物体(行人、车辆、自行车、等)和密度(稀疏和拥挤的场景)。请注意,数据集是在不同的场景、不同的天气和光照条件下使用不同的无人机平台(即不同型号的无人机)收集的。这些框架用超过260万个经常感兴趣的目标框手工标注,比如行人、汽车、自行车和三轮车。一些重要的属性,包括场景可见性,对象类和遮挡,也提供了更好的数据利用。部分数据集示例图片如下所示。该数据集还是很不错的供研究的数据集,如果研究无人机视角的图像检测同学可以用该数据集进行研究。小目标、目标重叠、复杂背景等舰船难点,导致检测的mAP会较低,很有研究价值。
数据集标签从0到9分别为’ignored regions’,‘pedestrian’,‘people’,‘bicycle’,‘car’,‘van’,
‘truck’,‘tricycle’,‘awning-tricycle’,‘bus’,‘motor’,‘others’
Yolov5的data文件夹中有该数据集的yaml文件,将train中的data参数改为该yaml文件,可以直接进行训练下载。
参考链接:深度学习目标检测数据VisDrone2019(to yolo / voc / coco)—MMDetection数据篇