yolo数据集汇总目录，yolov5/yolov8/yolo11目标检测实战源码案例汇总目录【附下载链接】【持续更新中】

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) 图片数量(jpg文件个数)：7261 标注数量(xml文件个数)：7261 标注数量(txt文件个数)：7261 标注类别数：1 标注类别名称:["wurenji"] 每个类别标注的框数： wurenji 框数 = 7831 总框数：7831 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 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

UAVDT是一个具有大规模的挑战性的无人机检测和跟踪基准（即10小时原始视频中约8万帧的代表性帧），用于3项重要的基本任务，即目标检测（DET）、单目标跟踪（SOT）和多目标跟踪（MOT）。 数据集由无人机在各种复杂场景中捕获。本基准中关注的对象是车辆。使用边界框和一些有用的属性（例如，车辆类别和遮挡）对帧进行手动注释。 UAVDT基准由100个视频序列组成，这些视频序列是从城市地区多个地点的UAV平台拍摄的超过10小时的视频中选择的，代表各种常见场景，包括广场、主干道、收费站、高速公路、交叉口和T形交叉口。视频以每秒30帧（fps）的速度录制，JPEG图像分辨率为1080×540像素。 该数据集包含的是原始图片，不包括注释 参考： D. Du, Y. Qi, H.g Yu, Y. Yang, K. Duan, G. Li, W.g Zhang, Q. Huang, Q. Tian, " The Unmanned Aerial Vehicle Benchmark:

目标跟踪除了OTB、VOT等数据集外，还有UAV123，是专门由无人机拍摄的场景的数据集。特点是背景干净，视角变化较多。UAV123包含123个短视频，UAV20L包含20个长视频。数据集总大小在13.5G左右。本文档包含数据集及测评工具，要是链接失效了联系我发给你。

数据集介绍：多类道路车辆目标检测数据集 一、基础信息 数据集名称：多类道路车辆目标检测数据集 图片数量： - 训练集：7,325张图片 - 验证集：355张图片 - 测试集：184张图片 总计：7,864张道路场景图片 分类类别： - Bus（公交车）：城市道路与高速场景中的大型公共交通工具 - Cars（小型汽车）：涵盖轿车、SUV等常见乘用车型 - Motorbike（摩托车）：两轮机动车辆，含不同骑行姿态样本 - Truck（卡车）：包含中型货运车辆与重型运输卡车 标注格式： YOLO格式标注，包含归一化坐标的边界框与类别标签，适配主流目标检测框架。 数据特性： 覆盖多种光照条件与道路场景，包含车辆密集分布与复杂背景样本。 二、适用场景 自动驾驶感知系统开发： 用于训练车辆识别模块，提升自动驾驶系统对道路参与者的实时检测与分类能力。 交通流量监控分析： 支持构建智能交通管理系统，实现道路车辆类型统计与密度分析。 智慧城市应用： 集成至城市级交通管理平台，优化信号灯控制与道路资源分配。 学术研究领域： 为计算机视觉算法研究提供标准化评测基准，支持多目标检测模型优化。 三、数据集优势 高场景覆盖率： 包含城市道路、高速公路等多种驾驶环境，覆盖车辆静止、行驶、遮挡等现实场景。 精细化标注体系： 采用YOLO标准格式标注，每张图片均经过双重质检，确保边界框与类别标签的精准对应。 类别平衡设计： 四类车辆样本量经科学配比，避免模型训练时的类别偏向问题。 工程适配性强： 可直接应用于YOLO系列模型训练，支持快速迁移至车载计算平台部署。 现实应用价值： 专注自动驾驶核心检测需求，为车辆感知模块开发提供高质量数据支撑。