Falah/wheel-chair-images-annotation4object-detec

该数据集是一个用于目标检测的轮椅数据集，包含图像和实例（包括边界框和标签）两个主要特征。数据集分为训练集，包含1,107个样本。数据集大小为25,165,898.049字节，无需下载。数据集适用于YOLOv模型，包含三个类别标签：person、wheel_chair和not wheel chair。

原始信息汇总

数据集概述

数据集名称

• 名称: wheel_chair_detection

数据集特征

• image: 图像数据
  • 数据类型: image
• instances: 图像中的实例列表
  • 数据类型: list
  • 子特征:
    • box: 实例的边界框坐标
      • 数据类型: float64
    • label: 实例的标签
      • 数据类型: int64

数据集分割

• Train: 训练集
  • 字节数: 25,165,898.049
  • 示例数: 1,107

数据集大小

• 下载大小: 0
• 数据集大小: 25,165,898.049 bytes

数据集类别

• 类别范围: 1K<n<10K

数据集应用

• 应用领域: 物体检测
• 支持模型: YOLOv 模型

类别标签

• "person"
• "wheel_chair"
• "not wheel chair"

许可证

• 许可证类型: Apache-2.0

搜集汇总

背景与挑战

背景概述

该数据集是用于目标检测的轮椅图像数据集，包含1,107个训练样本，标注三个类别（person、wheel_chair和not wheel chair），适用于YOLOv模型。