数据获取数据获取 见文章底部卡片获取数据集概览数据集在计算机视觉任务中扮演着至关重要的角色它们为模型提供了学习和理解世界的素材。Ultralytics 提供了广泛的数据集支持旨在促进检测、实例分割、姿态估计、分类和多目标跟踪等任务的发展。本文将详细介绍 Ultralytics 支持的主要数据集并探讨每个计算机视觉任务对应的特定数据集。往期热门主题 主题搜两字关键词直达代码数据获取获取方式***文章底部卡片扫码获取***覆盖了YOLO相关项目、OpenCV项目、CNN项目等所有类别覆盖各类项目场景(包括但不限于以下----欢迎咨询定制)项目名称项目名称基于YOLOdeepseek 智慧农业作物长势监测系统基于YOLOdeepseek 人脸识别与管理系统基于YOLOdeepseek 无人机巡检电力线路系统基于YOLOdeepseek PCB板缺陷检测基于YOLOdeepseek 智慧铁路轨道异物检测系统基于YOLOdeepseek 102种犬类检测系统基于YOLOdeepseek 人脸面部活体检测基于YOLOdeepseek 无人机农田病虫害巡检系统基于YOLOdeepseek 水稻害虫检测识别基于YOLOdeepseek 安全帽检测系统基于YOLOdeepseek 智慧铁路接触网状态检测系统基于YOLOdeepseek 火焰烟雾检测系统基于YOLOdeepseek YOLOdeepseek展示结果与矩形框坐标获取界面制作基于YOLOdeepseek 水下海生物检测基于YOLOdeepseek 智慧农业灌溉智能监测系统基于YOLOdeepseek 行人跌倒检测系统基于YOLOdeepseek 无人机城市违建巡检系统基于YOLOdeepseek 面部口罩检测系统基于YOLOdeepseek 交通标志检测识别基于YOLOdeepseek 智慧铁路隧道裂缝检测系统基于YOLOdeepseek 苹果病害识别基于YOLOdeepseek 血细胞检测计数基于YOLOdeepseek 无人机林业火情巡检系统基于YOLOdeepseek 舰船分类检测系统基于YOLOdeepseek 肺炎诊断系统基于YOLOdeepseek 小麦害虫检测识别基于YOLOdeepseek 反光衣检测预警基于YOLOdeepseek 智慧农业土壤墒情监测系统基于YOLOdeepseek 车辆行人追踪系统基于YOLOdeepseek 车牌识别与管理系统基于YOLOdeepseek 复杂环境船舶检测基于YOLOdeepseek 无人机巡检油气管道系统基于YOLOdeepseek 裂缝检测分析系统基于YOLOdeepseek 玉米害虫检测识别基于YOLOdeepseek 田间杂草检测系统基于YOLOdeepseek 智慧铁路列车部件缺陷检测系统基于YOLOdeepseek 遥感地面物体检测基于YOLOdeepseek 人脸表情识别系统基于YOLOdeepseek 木薯病害识别预防基于YOLOdeepseek 车辆追踪计数基于YOLOdeepseek 野火烟雾检测基于YOLOdeepseek 手势识别系统基于YOLOdeepseek 脑肿瘤检测基于YOLOdeepseek 无人机视角检测基于YOLOdeepseek 玉米病害检测基于YOLOdeepseek 人员闯入报警基于YOLOdeepseek 橙子病害识别基于YOLOdeepseek 水稻病害识别基于YOLOdeepseek 行人追踪计数基于YOLOdeepseek 智慧农业农药精准喷洒引导系统基于YOLOdeepseek 高密度人脸检测基于YOLOdeepseek 草莓病害检测分割基于YOLOdeepseek 肾结石检测基于YOLOdeepseek 路面坑洞检测分割基于YOLOdeepseek 水果检测识别基于YOLOdeepseek 200种鸟类检测识别基于YOLOdeepseek 非机动车头盔检测基于YOLOdeepseek 葡萄病害识别基于YOLOdeepseek 螺栓螺母检测基于YOLOdeepseek 智慧铁路道岔状态监测系统基于YOLOdeepseek 焊缝缺陷检测基于YOLOdeepseek 无人机巡检光伏板缺陷系统基于YOLOdeepseek 金属品瑕疵检测基于YOLOdeepseek 100种中草药识别基于YOLOdeepseek 链条缺陷检测基于YOLOdeepseek 102种花卉识别基于YOLOdeepseek 条形码检测识别基于YOLOdeepseek 100种蝴蝶识别基于YOLOdeepseek 交通信号灯检测基于YOLOdeepseek 车牌检测识别系统基于YOLOdeepseek 草莓成熟度检测基于YOLOdeepseek 吸烟行为检测基于YOLOdeepseek 交通事故检测基于YOLOdeepseek 车辆行人检测计数基于YOLOdeepseek 安检危险品检测基于YOLOdeepseek 西红柿成熟度检测基于YOLOdeepseek 农作物检测识别基于YOLOdeepseek 危险驾驶行为检测基于YOLOdeepseek 维修工具检测基于YOLOdeepseek 建筑墙面损伤检测基于YOLOdeepseek 煤矿传送带异物检测基于YOLOdeepseek 老鼠智能检测基于YOLOdeepseek 水面垃圾检测基于YOLOdeepseek 遥感视角船只检测基于YOLOdeepseek 胃肠道息肉检测基于YOLOdeepseek 心脏间隔壁分割基于YOLOdeepseek 半导体芯片缺陷检测基于YOLOdeepseek 视网膜疾病诊断基于YOLOdeepseek 运动鞋品牌识别基于YOLOdeepseek X光骨折检测基于YOLOdeepseek 遥感视角农田分割基于YOLOdeepseek 电瓶车进电梯检测基于YOLOdeepseek 遥感视角房屋分割基于YOLOdeepseek CT肺结节检测基于YOLOdeepseek 舌苔舌象检测诊断基于YOLOdeepseek 蛀牙检测识别基于YOLOdeepseek 工业压力表智能读数基于YOLOdeepseek 肝脏肿瘤检测分割基于YOLOdeepseek 脑肿瘤检测分割基于YOLOdeepseek 甲状腺结节分割基于YOLOdeepseek 蔬菜检测识别基于YOLOdeepseek 水果质量检测基于YOLOdeepseek 生活垃圾分类检测基于YOLOdeepseek 钢材表面缺陷检测基于YOLOdeepseek YOLOdeepseek细胞标注与边缘识别面积/灰度值计算基于YOLOdeepseek 霍夫变换车道线识别与车牌字符识别基于YOLOdeepseek 低照度/弱光图像增强系统基于YOLOdeepseek YOLOdeepseek自训练数据教程项目基于YOLOdeepseek YOLOdeepseek目标检测微调实战教程基于YOLOdeepseek 红绿灯识别与倒计时检测系统基于YOLOdeepseek CNN卷积神经网络表情识别与情感分析基于YOLOdeepseek 人体姿态识别估计系统基于YOLOdeepseek OpenCV图像模糊复原与去雾系统基于YOLOdeepseek YOLOdeepseek人体姿态估计与摔倒坐姿检测基于YOLOdeepseek OpenCV手势识别与音量控制系统基于YOLOdeepseek YOLOdeepseek水果分类识别PyQt交互式界面基于YOLOdeepseek YOLOdeepseek火灾报警与烟雾检测系统基于YOLOdeepseek YOLOdeepseek安全帽和反光衣识别系统基于YOLOdeepseek OpenCV深度学习低照度增强算法项目基于YOLOdeepseek YOLOdeepseek车辆行人检测PyQt界面搭建基于YOLOdeepseek 改进YOLOdeepseek无人机高空红外热数据小目标检测基于YOLOdeepseek 群养猪行为识别算法研究及部署YOLOdeepseek基于YOLOdeepseek 骨龄检测系统YOLOdeepseekCNNResNetPyQt基于YOLOdeepseek OpenCV车道偏离预警系统基于YOLOdeepseek YOLOdeepseek动物姿态识别与关键点检测基于YOLOdeepseek 心理健康问答系统AIGC大模型小程序基于YOLOdeepseek YOLOdeepseek多模态任务模型目标车道线可行驶区域检测基于YOLOdeepseek 车辆颜色检测识别图像去雾去雨系统基于YOLOdeepseek YOLOdeepseek智慧工地与重型机械检测系统基于YOLOdeepseek YOLOdeepseek绝缘子目标检测系统基于YOLOdeepseek SAR图像船舶检测系统YOLOdeepseekUI界面基于YOLOdeepseek YOLOdeepseek11/v10/v8/v5区域追踪监测系统基于YOLOdeepseek YOLOdeepseek11/v10/v8/v5安全报警系统基于YOLOdeepseek YOLOdeepseek11pose锻炼监控计数系统基于YOLOdeepseek 排队管理与人流量统计系统YOLOdeepseek11基于YOLOdeepseek 停车场管理系统YOLOdeepseek8/v10/v11/v5基于YOLOdeepseek YOLOdeepseek智慧矿井智能识别系统基于YOLOdeepseek 自动驾驶极端天气雾天适配项目基于YOLOdeepseek 智慧工地工程车检测系统无人机视角基于YOLOdeepseek 矿石运输船检测数据集训练实战项目基于YOLOdeepseek 西瓜叶片病害自动识别与分类系统基于YOLOdeepseek 智慧农业病虫害智能检测系统观看Ultralytics 数据集概览Ultralytics 曾经提供了一个名为 Explorer 的工具用于探索和管理数据集。然而截至 ultralytics8.3.10Explorer 工具已被弃用。现在用户可以通过Ultralytics Hub来进行无代码的数据管理和可视化工作。Ultralytics Hub 是一个直观的平台它允许用户创建嵌入式搜索相似图像、运行 SQL 查询、执行语义搜索甚至使用自然语言进行搜索。此外用户还可以通过图形用户界面GUI应用程序或应用程序接口API来构建自己的应用。这些功能极大地简化了工作流程让用户可以专注于数据分析和模型训练。物体检测物体检测是计算机视觉领域中最常见的任务之一其目的是识别和定位图像中的物体。Ultralytics 支持多个物体检测数据集涵盖了从城市环境到农业领域的广泛应用场景Argoverse包含来自城市环境的三维跟踪和运动预测数据具有丰富的注释。COCOCommon Objects in Context (COCO) 是一个大型物体检测、分割和字幕数据集包含 80 个物体类别。LVIS大规模物体检测、分割和字幕数据集包含 1203 个物体类别。COCO8 和 COCO128COCO 数据集的小型子集适合快速测试和实验。全球小麦 2020包含 2020 年全球小麦挑战赛的小麦头图像。Object365用于物体检测的高质量大规模数据集包含 365 个物体类别和 600K 多张注释图像。OpenImagesV7由 Google 提供的综合数据集包含 170 万张训练图像和 4.2 万张验证图像。SKU-110K零售环境中密集物体检测的数据集包含超过 11K 幅图像和 170 万个边界框。VisDrone无人机捕获图像中的物体检测和多物体跟踪数据集有超过 10K 幅图像和视频序列。VOCPascal Visual Object Classes (VOC) 数据集包含 20 个物体类别和超过 11K 幅图像。xView高空图像中物体检测的数据集包含 60 个物体类别和 100 多万个注释物体。RF100多样化的物体检测基准包含 100 个数据集横跨 7 个图像领域用于综合模型评估。脑肿瘤用于检测脑肿瘤的数据集包括核磁共振成像或 CT 扫描图像。非洲野生动物非洲野生动物图像数据集包括水牛、大象、犀牛和斑马。签名带有签名注释的各种文件图像数据集支持文件验证和欺诈检测研究。实例分割实例分割不仅识别图像中的物体还精确勾勒出每个物体的轮廓。Ultralytics 支持以下实例分割数据集COCO专为物体检测、分割和字幕任务设计的大型数据集包含 20 多万张标注图像。COCO8-seg 和 COCO128-segCOCO 数据集的较小子集适用于快速测试实例分割任务。Crack-seg专门用于检测道路和墙壁裂缝的数据集。Package-seg为识别仓库或工业环境中的包裹而定制的数据集。Carparts-seg专门用于识别汽车零部件的数据集满足设计、制造和研究的需要。姿态估计姿态估计技术用于确定物体相对于摄像机或世界坐标系的姿态。以下是 Ultralytics 支持的姿态估计数据集COCO大规模人类姿势注释数据集。COCO8-pose用于姿态估计任务的较小数据集包含 8 幅 COCO 图像的子集。Tiger-pose紧凑型老虎主题数据集每只老虎有 12 个关键点。手部关键点包含 26,000 多张以人手为中心的图像每只手有 21 个关键点。Dog-pose包含约 6,000 张以狗为主题的图像每只狗有 24 个关键点。分类图像分类任务涉及根据图像内容将其归入预定义的类别。以下是常用的分类数据集Caltech 101 和 Caltech 256分别包含 101 和 256 个对象类别的图像数据集。CIFAR-10 和 CIFAR-100小型彩色图像数据集分为 10 或 100 类。时尚-MNIST由 10 个时尚类别的 70,000 张灰度图像组成的数据集。ImageNet大型数据集包含超过 1,400 万张图像和 20,000 个类别。ImageNet-10 和 ImagenetteImageNet 的较小子集用于更快地进行实验。Imagewoof更具挑战性的 ImageNet 子集包含 10 个犬种类别。MNIST由 70,000 幅手写数字灰度图像组成的数据集。MNIST160MNIST 数据集中每个类别的前 8 幅图像共包含 160 张图像。定向边框OBB定向包围盒OBB是一种利用旋转包围盒检测倾斜物体的方法通常应用于航空和卫星图像。相关数据集包括DOTA-v2流行的 OBB 航空图像数据集包含 170 万个实例和 11,268 幅图像。DOTA8DOTAv1 分割集的较小子集适合快速测试。多目标跟踪多目标跟踪涉及在视频序列中检测和跟踪多个目标。Ultralytics 支持以下多目标跟踪数据集Argoverse城市环境中的三维跟踪和运动预测数据。VisDrone无人机捕获图像中的物体检测和多物体跟踪数据。贡献新数据集为了确保新数据集与现有基础设施的一致性贡献者需要遵循一系列步骤收集图像从公共数据库或个人收藏中收集图像。注释图像根据任务应用边界框、线段或关键点进行注释。导出注释将注释转换为 YOLO *.txt 格式。整理数据集按照 train/ 和 val/ 目录结构组织数据集每个目录包含 images/ 和 labels/ 子目录。创建 data.yaml 文件描述数据集、类别和其他必要信息。优化图像可选减小数据集大小以提高处理效率。压缩数据集将整个数据集文件夹压缩成 zip 文件。文档和公关创建文档页面并提交拉取请求 (PR)。通过上述步骤您可以确保提供的新数据集能够顺利整合到 Ultralytics 现有的结构中从而为社区做出贡献。优化和压缩数据集的示例代码frompathlibimportPathfromultralytics.data.utilsimportcompress_one_imagefromultralytics.utils.downloadsimportzip_directory# Define dataset directorypathPath(path/to/dataset)# Optimize images in dataset (optional)forfinpath.rglob(*.jpg):compress_one_image(f)# Zip dataset into path/to/dataset.zipzip_directory(path)常见问题Ultralytics 支持哪些数据集进行物体检测Ultralytics 支持多种物体检测数据集例如COCO大规模物体检测、分割和字幕数据集包含 80 个物体类别。LVIS包含 1203 个物体类别的广泛数据集。Argoverse城市环境中的三维跟踪和运动预测数据。VisDrone无人机拍摄的物体检测和多物体跟踪数据。SKU-110K零售环境中密集物体检测的数据集。这些数据集有助于为各种物体检测应用训练稳健的模型。如何向 Ultralytics 提供新数据集提供新数据集涉及几个步骤包括收集和注释图像、导出注释为 YOLO *.txt 格式、整理数据集结构、创建 data.yaml 文件、优化图像可选、压缩数据集以及提交文档和 PR。通过遵循这些指导方针您能有效地为社区贡献新的资源。综上所述Ultralytics 提供了丰富多样的数据集覆盖了广泛的计算机视觉任务。无论您是在进行物体检测、实例分割、姿态估计、分类还是多目标跟踪都能找到合适的数据集来支持您的研究和开发工作。如果您有兴趣贡献新数据集或进一步了解 Ultralytics 的数据集请参考官方指南和文档获取更多信息。代码 数据获取见文章底部获取联系方式