<annotation>
<folder>VOC2011</folder>
<filename>2008_002132.jpg</filename>
<path>G:\Alex\dataset\paddledetection\TrainVal\VOCdevkit\VOC2011\JPEGImages\2008_002132.jpg</path>
<source>
<database>The VOC2008 Database</database>
<annotation>PASCAL VOC2008</annotation>
<image>flickr</image>
</source>
<size>
<width>500</width>
<height>375</height>
<depth>3</depth>
</size>
<segmented>0</segmented>
<object>
<name>person</name>
<pose>Frontal</pose>
<truncated>0</truncated>
<occluded>1</occluded>
<bndbox>
<xmin>53</xmin>
<ymin>131</ymin>
<xmax>147</xmax>
<ymax>316</ymax>
</bndbox>
<difficult>0</difficult>
<part>
<name>head</name>
<bndbox>
<xmin>107</xmin>
<ymin>131</ymin>
<xmax>137</xmax>
<ymax>174</ymax>
</bndbox>
</part>
<part>
<name>hand</name>
<bndbox>
<xmin>72</xmin>
<ymin>208</ymin>
<xmax>98</xmax>
<ymax>227</ymax>
</bndbox>
</part>
<part>
<name>hand</name>
<bndbox>
<xmin>174</xmin>
<ymin>187</ymin>
<xmax>202</xmax>
<ymax>217</ymax>
</bndbox>
</part>
<part>
<name>foot</name>
<bndbox>
<xmin>55</xmin>
<ymin>293</ymin>
<xmax>71</xmax>
<ymax>306</ymax>
</bndbox>
</part>
<part>
<name>foot</name>
<bndbox>
<xmin>90</xmin>
<ymin>294</ymin>
<xmax>107</xmax>
<ymax>306</ymax>
</bndbox>
</part>
</object>
<object>
<name>person</name>
<pose>Frontal</pose>
<truncated>0</truncated>
<occluded>1</occluded>
<bndbox>
<xmin>104</xmin>
<ymin>137</ymin>
<xmax>198</xmax>
<ymax>315</ymax>
</bndbox>
<difficult>0</difficult>
<part>
<name>head</name>
<bndbox>
<xmin>154</xmin>
<ymin>139</ymin>
<xmax>182</xmax>
<ymax>177</ymax>
</bndbox>
</part>
<part>
<name>hand</name>
<bndbox>
<xmin>156</xmin>
<ymin>201</ymin>
<xmax>180</xmax>
<ymax>215</ymax>
</bndbox>
</part>
<part>
<name>hand</name>
<bndbox>
<xmin>131</xmin>
<ymin>222</ymin>
<xmax>161</xmax>
<ymax>248</ymax>
</bndbox>
</part>
<part>
<name>foot</name>
<bndbox>
<xmin>105</xmin>
<ymin>293</ymin>
<xmax>132</xmax>
<ymax>314</ymax>
</bndbox>
</part>
<part>
<name>foot</name>
<bndbox>
<xmin>123</xmin>
<ymin>295</ymin>
<xmax>150</xmax>
<ymax>315</ymax>
</bndbox>
</part>
</object>
<object>
<name>person</name>
<pose>Frontal</pose>
<truncated>0</truncated>
<occluded>0</occluded>
<bndbox>
<xmin>191</xmin>
<ymin>143</ymin>
<xmax>252</xmax>
<ymax>316</ymax>
</bndbox>
<difficult>0</difficult>
<part>
<name>head</name>
<bndbox>
<xmin>209</xmin>
<ymin>146</ymin>
<xmax>238</xmax>
<ymax>186</ymax>
</bndbox>
</part>
<part>
<name>hand</name>
<bndbox>
<xmin>201</xmin>
<ymin>236</ymin>
<xmax>220</xmax>
<ymax>254</ymax>
</bndbox>
</part>
<part>
<name>hand</name>
<bndbox>
<xmin>211</xmin>
<ymin>234</ymin>
<xmax>229</xmax>
<ymax>253</ymax>
</bndbox>
</part>
<part>
<name>foot</name>
<bndbox>
<xmin>194</xmin>
<ymin>299</ymin>
<xmax>214</xmax>
<ymax>316</ymax>
</bndbox>
</part>
<part>
<name>foot</name>
<bndbox>
<xmin>214</xmin>
<ymin>300</ymin>
<xmax>232</xmax>
<ymax>316</ymax>
</bndbox>
</part>
</object>
<object>
<name>person</name>
<pose>Frontal</pose>
<truncated>0</truncated>
<occluded>0</occluded>
<bndbox>
<xmin>248</xmin>
<ymin>144</ymin>
<xmax>313</xmax>
<ymax>319</ymax>
</bndbox>
<difficult>0</difficult>
<part>
<name>head</name>
<bndbox>
<xmin>270</xmin>
<ymin>145</ymin>
<xmax>300</xmax>
<ymax>184</ymax>
</bndbox>
</part>
<part>
<name>hand</name>
<bndbox>
<xmin>245</xmin>
<ymin>223</ymin>
<xmax>270</xmax>
<ymax>242</ymax>
</bndbox>
</part>
<part>
<name>hand</name>
<bndbox>
<xmin>267</xmin>
<ymin>245</ymin>
<xmax>290</xmax>
<ymax>273</ymax>
</bndbox>
</part>
<part>
<name>foot</name>
<bndbox>
<xmin>262</xmin>
<ymin>295</ymin>
<xmax>283</xmax>
<ymax>318</ymax>
</bndbox>
</part>
<part>
<name>foot</name>
<bndbox>
<xmin>282</xmin>
<ymin>295</ymin>
<xmax>305</xmax>
<ymax>318</ymax>
</bndbox>
</part>
</object>
<object>
<name>person</name>
<pose>Frontal</pose>
<truncated>0</truncated>
<occluded>0</occluded>
<bndbox>
<xmin>305</xmin>
<ymin>137</ymin>
<xmax>380</xmax>
<ymax>318</ymax>
</bndbox>
<difficult>0</difficult>
<part>
<name>head</name>
<bndbox>
<xmin>329</xmin>
<ymin>138</ymin>
<xmax>357</xmax>
<ymax>179</ymax>
</bndbox>
</part>
<part>
<name>hand</name>
<bndbox>
<xmin>336</xmin>
<ymin>213</ymin>
<xmax>361</xmax>
<ymax>227</ymax>
</bndbox>
</part>
<part>
<name>foot</name>
<bndbox>
<xmin>325</xmin>
<ymin>303</ymin>
<xmax>347</xmax>
<ymax>317</ymax>
</bndbox>
</part>
<part>
<name>foot</name>
<bndbox>
<xmin>355</xmin>
<ymin>304</ymin>
<xmax>374</xmax>
<ymax>317</ymax>
</bndbox>
</part>
</object>
<object>
<name>person</name>
<pose>Frontal</pose>
<truncated>0</truncated>
<occluded>0</occluded>
<bndbox>
<xmin>370</xmin>
<ymin>143</ymin>
<xmax>438</xmax>
<ymax>315</ymax>
</bndbox>
<difficult>0</difficult>
<part>
<name>head</name>
<bndbox>
<xmin>387</xmin>
<ymin>144</ymin>
<xmax>414</xmax>
<ymax>185</ymax>
</bndbox>
</part>
<part>
<name>hand</name>
<bndbox>
<xmin>414</xmin>
<ymin>152</ymin>
<xmax>425</xmax>
<ymax>175</ymax>
</bndbox>
</part>
<part>
<name>foot</name>
<bndbox>
<xmin>389</xmin>
<ymin>296</ymin>
<xmax>407</xmax>
<ymax>313</ymax>
</bndbox>
</part>
<part>
<name>foot</name>
<bndbox>
<xmin>409</xmin>
<ymin>299</ymin>
<xmax>438</xmax>
<ymax>315</ymax>
</bndbox>
</part>
</object>
<object>
<name>person</name>
<pose>Frontal</pose>
<truncated>0</truncated>
<occluded>1</occluded>
<bndbox>
<xmin>415</xmin>
<ymin>131</ymin>
<xmax>464</xmax>
<ymax>192</ymax>
</bndbox>
<difficult>0</difficult>
<part>
<name>head</name>
<bndbox>
<xmin>424</xmin>
<ymin>131</ymin>
<xmax>440</xmax>
<ymax>152</ymax>
</bndbox>
</part>
<part>
<name>hand</name>
<bndbox>
<xmin>441</xmin>
<ymin>169</ymin>
<xmax>445</xmax>
<ymax>175</ymax>
</bndbox>
</part>
<part>
<name>hand</name>
<bndbox>
<xmin>434</xmin>
<ymin>165</ymin>
<xmax>442</xmax>
<ymax>178</ymax>
</bndbox>
</part>
<part>
<name>foot</name>
<bndbox>
<xmin>426</xmin>
<ymin>184</ymin>
<xmax>434</xmax>
<ymax>193</ymax>
</bndbox>
</part>
<part>
<name>foot</name>
<bndbox>
<xmin>448</xmin>
<ymin>187</ymin>
<xmax>463</xmax>
<ymax>193</ymax>
</bndbox>
</part>
</object>
<object>
<name>person</name>
<pose>Frontal</pose>
<truncated>0</truncated>
<occluded>0</occluded>
<bndbox>
<xmin>459</xmin>
<ymin>134</ymin>
<xmax>499</xmax>
<ymax>195</ymax>
</bndbox>
<difficult>0</difficult>
<part>
<name>head</name>
<bndbox>
<xmin>472</xmin>
<ymin>134</ymin>
<xmax>485</xmax>
<ymax>150</ymax>
</bndbox>
</part>
<part>
<name>hand</name>
<bndbox>
<xmin>465</xmin>
<ymin>145</ymin>
<xmax>472</xmax>
<ymax>155</ymax
没有合适的资源?快使用搜索试试~ 我知道了~
YOLO垃圾目标检测数据集 garb-dataset-yolo.zip
共10602个文件
jpg:6893个
txt:1855个
xml:1854个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 1 下载量 103 浏览量
2023-02-09
11:18:59
上传
评论 2
收藏 327.88MB ZIP 举报
温馨提示
YOLO垃圾目标检测数据集,可使用YOLO、FasterRCNN等算法实现垃圾目标的识别,标签格式为VOC和YOLO 两种,可识别饮料瓶子、玻璃瓶、易拉罐、废旧电池等多种垃
资源推荐
资源详情
资源评论
收起资源包目录
YOLO垃圾目标检测数据集 garb-dataset-yolo.zip (10602个子文件)
img_1074.jpg 279KB
img_1074.jpg 279KB
img_921.jpg 257KB
img_921.jpg 257KB
2010_001210.jpg 243KB
2010_001210.jpg 243KB
img_3337.jpg 241KB
2010_002226.jpg 237KB
2010_002226.jpg 237KB
img_6246.jpg 236KB
2008_007112.jpg 226KB
2008_007112.jpg 226KB
img_3932.jpg 223KB
2008_003483.jpg 217KB
2008_003483.jpg 217KB
2009_001994.jpg 216KB
2009_001994.jpg 216KB
2010_001817.jpg 210KB
2010_001817.jpg 210KB
2008_002039.jpg 210KB
2008_002039.jpg 210KB
2011_002152.jpg 208KB
2011_002152.jpg 208KB
2008_004567.jpg 205KB
2008_004567.jpg 205KB
2009_000072.jpg 205KB
2009_000072.jpg 205KB
2011_000716.jpg 203KB
2011_000716.jpg 203KB
2011_000187.jpg 203KB
2011_000187.jpg 203KB
2008_002843.jpg 202KB
2008_002843.jpg 202KB
img_3996.jpg 201KB
img_11351.jpg 200KB
img_11351.jpg 200KB
2011_000797.jpg 199KB
2011_000797.jpg 199KB
2008_000878.jpg 198KB
2008_000878.jpg 198KB
img_3961.jpg 198KB
2009_000606.jpg 195KB
2009_000606.jpg 195KB
2009_000337.jpg 194KB
2009_000337.jpg 194KB
2010_001762.jpg 191KB
2010_001762.jpg 191KB
2009_001479.jpg 190KB
2009_001479.jpg 190KB
2011_000808.jpg 189KB
2011_000808.jpg 189KB
2010_003649.jpg 188KB
2010_003649.jpg 188KB
2011_002980.jpg 187KB
2011_002980.jpg 187KB
img_14613.jpg 187KB
img_14586.jpg 187KB
2008_001551.jpg 185KB
2008_001551.jpg 185KB
2011_001668.jpg 185KB
2011_001668.jpg 185KB
img_3971.jpg 185KB
img_3755.jpg 183KB
2009_002042.jpg 182KB
2009_002042.jpg 182KB
img_4042.jpg 182KB
2010_004280.jpg 181KB
2010_004280.jpg 181KB
img_14536.jpg 180KB
2008_004203.jpg 180KB
2008_004203.jpg 180KB
2009_003490.jpg 180KB
2009_003490.jpg 180KB
2009_002242.jpg 178KB
2009_002242.jpg 178KB
img_17505.jpg 177KB
img_17505.jpg 177KB
img_4857.jpg 177KB
img_3844.jpg 176KB
2011_002668.jpg 176KB
2011_002668.jpg 176KB
img_9256.jpg 176KB
2011_003172.jpg 175KB
2011_003172.jpg 175KB
2011_001909.jpg 175KB
2011_001909.jpg 175KB
2011_003144.jpg 175KB
2011_003144.jpg 175KB
img_4869.jpg 175KB
2008_000700.jpg 174KB
2008_000700.jpg 174KB
2011_001903.jpg 174KB
2011_001903.jpg 174KB
2008_004875.jpg 174KB
2008_004875.jpg 174KB
2011_000587.jpg 174KB
2011_000587.jpg 174KB
img_14008.jpg 174KB
2011_000625.jpg 173KB
2011_000625.jpg 173KB
共 10602 条
- 1
- 2
- 3
- 4
- 5
- 6
- 107
资源评论
- s_tud_y2023-05-05发现一个宝藏资源,资源有很高的参考价值,赶紧学起来~
XTX_AI
- 粉丝: 5137
- 资源: 317
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于matlab实现配电网三相潮流计算方法,对几种常用的配电网潮流计算方法进行了对比分析.rar
- 基于matlab实现配电网潮流 经典33节点 前推回代法潮流计算 回代电流 前推电压 带注释.rar
- 基于matlab实现模拟退火遗传算法的车辆调度问题研究,用MATLAB语言加以实现.rar
- 基于matlab实现蒙特卡洛的的移动传感器节点定位算法仿真代码.rar
- 华中数控系统818用户说明书
- 基于matlab实现卡尔曼滤波器完成多传感器数据融合 对多个机器人的不同传感器数据进行融合估计足球精确位置.rar
- 基于matlab实现进行简单车辆识别-车辆检测.rar
- 基于JSP物流信息网的设计与实现
- 基于matlab实现车牌识别程序,和论文,自己做的,做毕业设计的可以看看 .rar
- Windows系统下安装与配置Neo4j的步骤
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功