RhpNet - An Image based object detection Dataset

We used an 80/20 technique to categorize 8592 photos from multiple datasets and sources into Train and Test groups. The Train dataset has 35 categorized folders and 6881 photographs, whereas the Test dataset had 35 categorized folders and 1711 images. The goal is to classify each indoor or outdoor object into one of thirty-five categories based on the message delivered by the object in front of them (0=’1 Taka’, 1=’10 Taka’, 2=’100 Taka’, 3=’1000 Taka’, 4=’2 Taka’, 5=’20 Taka’, 6=’5 Taka’, 7=’50 Taka’, 8=’500 Taka’, 9=’Person’, 10=’bed’, 11=’bicycle’, 12=’bike’, 13=’boat’, 14=’bus’, 15=’c-n-g’, 16=’car’, 17=’chair’, 18=’desk’, 19=’door’, 20=’easybike’, 21=’horse-cart’, 22=’laptop’, 23=’launch’, 24=’leguna’, 25=’lorry’, 26=’mug’, 27=’rickshaw’, 28=’stair’, 29=’television’, 30=’thelagari’, 31=’tractor’, 32=’truck’, 33=’van’, 34=’window’).本研究采用80/20划分法，将来自多个数据集及不同来源的共计8592张图像划分为训练集（Train）与测试集（Test）两组。其中训练集包含35个分类文件夹与6881张图像，测试集则包含35个分类文件夹与1711张图像。本数据集的任务目标为：根据拍摄对象所传递的视觉特征信息，将每张包含室内或室外物体的图像归类至35个预设类别之一，类别索引与对应名称的映射关系如下：0='1塔卡（Taka）'、1='10塔卡（Taka）'、2='100塔卡（Taka）'、3='1000塔卡（Taka）'、4='2塔卡（Taka）'、5='20塔卡（Taka）'、6='5塔卡（Taka）'、7='50塔卡（Taka）'、8='500塔卡（Taka）'、9='人物（Person）'、10='床（bed）'、11='自行车（bicycle）'、12='自行车（bike）'、13='小船（boat）'、14='公共汽车（bus）'、15='c-n-g'、16='汽车（car）'、17='椅子（chair）'、18='书桌（desk）'、19='门（door）'、20='电动自行车（easy-bike）'、21='马车（horse-cart）'、22='笔记本电脑（laptop）'、23='渡轮（launch）'、24='leguna'、25='货运卡车（lorry）'、26='马克杯（mug）'、27='人力车（rickshaw）'、28='楼梯（stair）'、29='电视机（television）'、30='thelagari'、31='拖拉机（tractor）'、32='重型卡车（truck）'、33='厢式货车（van）'、34='窗户（window）'。