【目标检测】数据集合集！-EW帮帮网

本文将为您介绍经典、热门的数据集，希望对您在选择适合的数据集时有所帮助。

objectdetection_script

更新时间：2025-01-06
访问地址: GitHub
描述：

这个项目主要是提供一些关于目标检测的代码和改进思路参考。主要分为几个方面：一是基于Ultralytics的yolov8、yolov10改进项目；二是基于Ultralytics的yolov11改进项目；三是基于YOLOV5,YOLOV7的(剪枝+知识蒸馏)项目；四是基于Ultralytics的RT-DETR(CVPR2024)改进项目；五是基于YOLOV8V10V11的剪枝蒸馏项目；六是基于Ultralytics的RT-DETR(CVPR2024)的剪枝蒸馏项目；最后一个是基于YOLO和RT-DETR的论文。
数据集网址：
https://github.com/z1069614715/objectdetection_script

Smart_Construction

yolov11-yolov8-dnn-Classify-Detect-Obb-Pose-Seg

更新时间：2025-10-10
访问地址: GitHub
描述：

使用Opencv中的DNN模块对YOLOv8的所有类型模型,YOLOV9目标检测模型,YOLO11全系列模型进行了推理。项目中的onnx模型是经过裁剪和修改过的在yolov8中Obb和Seg和Pose都是先检测出来目标检测框然后在计算关键点或分割的权重或者旋转角度为了方便计算，我将计算obb中的旋转角度，Pose中关键点的计算，Seg中的的分割权重分别都cat在了计算目标检测框的那个头的后边。 yolov9-t的模型可以使用yolov8的代码进行推理，他们的后处理结构一模一样。
数据集网址：

https://github.com/YYH-GPU/yolov11-yolov8-dnn-Classify-Detect-Obb-Pose-Seg

ebikedetection

更新时间：2024-04-11
访问地址: GitHub
描述：

本项目用于识别电梯监控视角内的电动车以及自行车。基于电梯内视角数据集对yolo预训练模型进行微调。提供了基于检测的方法与基于跟踪的方法。基于检测的方法会对检测到有目标实例的每一帧返回标注图像，基于跟踪的方法则在此基础上进行了去重。
数据集网址：

https://github.com/Lily-Le/ebikedetection

yolov8-small-target-detection

更新时间：2024-08-20
访问地址: GitHub
描述：
基于yolov8实现小目标检测，在NWPU VHR-10和DOTA上测试，使用Gradio-YOLOv8-Det进行可视化。可视化需要执行gradio_yolov8_det下的gradio_yolov8_det_v2.py。

根据要求修改/model_config/model_name_all.yaml以添加自己的模型权值

修改/cls_name/cls_name_zh.yaml以修改目标检测的标签值
数据集网址：

https://github.com/quantumxiaol/yolov8-small-target-detection

Model-Deployment-And-Inference

更新时间：2024-03-03
访问地址: GitHub
描述：

涉及到pytorch模型移动端的部署，集成一些主流的目标检测、文本检测和文本识别算法，提供了torch模型到onnx模型的通用接口，onnx转ncnn模型的功能，移动端模型的量化功能以及模型的推理函数。
数据集网址：

https://github.com/Klaus-Chow/Model-Deployment-And-Inference

Security-feature-detection-system

更新时间：2024-11-04
访问地址: GitHub
描述：

安全检测系统-多目标识别（YOLOv5）和人脸识别（Facenet）快速部署系统。功能上：本项目使用YOLOv5实现多目标识别，使用Facenet实现人脸识别，最终需要人脸和此人应具备的多目标同时满足才能通过安全检测，部署上：使用pyqt5实现前端可视化，在前端页面运行YOLOv5多目标识别系统（将模型运行封装到Qt中），使用Docker封装人脸识别后端系统，使用网络请求等包实现前后端交互案例：进行多目标识别的同时，进行人脸识别，前端系统发送请求，携带参数到后端进行人脸识别，最终返回人脸识别结果，获取人脸识别结果后，检索该成员应具备的多目标特征，与YOLOv5多目标识别的实际结果进行比对，若无误则通过安全检测。
数据集网址：

https://github.com/WeiDai-David/Security-feature-detection-system

Eco-Sight

更新时间：2024-12-18
访问地址: GitHub
描述：

Eco-Sight项目是一个致力于自动驾驶的智能视觉感知系统，在当前中国新能源汽车产业快速发展的背景下，Eco-sight项目团队深入学习和实践了数据集的选择与制作、YOLO模型的训练以及智能帧率调节，以确保在各种驾驶环境下都能实现快速而准确的目标检测。
数据集网址：

https://github.com/RichardJiang-collab/Eco-Sight

easy_detection

更新时间：2024-09-19
访问地址: GitHub
描述：

一个简单方便的目标检测框架(PyTorch环境可直接运行，不需要cuda编译)，支持Faster_RCNN、Cascade_RCNN、Yolo系列、SSD等经典网络。
数据集网址：

https://github.com/misads/easy_detection

3D-Point-Clouds

更新时间：2024-06-20
访问地址: GitHub
描述：

3D点云目标检测&语义分割(深度学习)-SOTA方法,代码,论文,数据集等。专注于自动驾驶感知领域，包括传统方法(PCL点云库,ROS)和深度学习（目标检测+语义分割）方法。同时涉及Apollo，Autoware(基于ros2)，BEV感知，三维重建，SLAM(视觉+激光雷达) ，模型压缩（蒸馏+剪枝+量化等），自动驾驶模拟仿真，自动驾驶数据集标注&数据闭环等自动驾驶全栈技术。
数据集网址：

https://github.com/HuangCongQing/3D-Point-Clouds

【目标检测】数据集合集！