海洋塑料垃圾检测数据集 | 目标检测 | 自然环境

【海洋塑料垃圾检测数据集 | 目标检测 | 自然环境】

本数据集面向海洋塑料垃圾检测场景的目标检测任务，涵盖1个检测类别，总计9,846张标注图像，累计标注实例超过18,642个。数据集适用于自然环境领域的算法研究、模型训练与工程应用。

数据集概览

• 数据集名称：海洋塑料垃圾检测数据集
• 任务类型：目标检测
• 图像总数：9,846 张
• 标注类别：1 类
• 标注格式：VOC+YOLO
• 适用框架：YOLOv5 / YOLOv8 / YOLOv10 / RT-DETR
• 数据划分：训练集 / 验证集 / 测试集

检测类别与标注分布

本数据集包含1个检测类别，各类别标注分布如下：

• tire（tire）— 3,865 个标注实例
• Mask（Mask）— 3,394 个标注实例
• glove（glove）— 2,571 个标注实例
• pbag（pbag）— 2,561 个标注实例
• pbottle（pbottle）— 2,075 个标注实例
• gbottle（gbottle）— 1,567 个标注实例
• net（net）— 914 个标注实例
• cellphone（cellphone）— 436 个标注实例
• plastic（塑料）— 316 个标注实例
• misc（misc）— 306 个标注实例

技术规格

• 标注格式：YOLO TXT格式，每行标注为 class x_center y_center width height，坐标值归一化至 [0, 1]
• 数据划分：按照标准比例划分训练集、验证集与测试集，可直接用于模型训练与性能评估
• 数据来源：Roboflow Universe 平台

应用场景

1. 目标检测模型训练：使用本数据集训练目标检测模型，实现海洋塑料垃圾检测的自动识别
2. 算法研究：作为目标检测算法的基准数据集，用于性能评估与横向对比
3. 工程应用：支持智能检测系统的开发与部署
4. 教学与科研：适用于计算机视觉、深度学习等领域的科研项目与课程实践

数据集特点

• 数据规模充足：9,846张标注图像，满足深度学习模型训练的数据量需求
• 多格式支持：同时提供VOC与YOLO格式标注，兼容主流检测框架
• 即开即用：YOLO格式标注，无需额外格式转换，下载后可直接用于模型训练
• 标准数据划分：按照标准比例划分训练集、验证集与测试集

获取方式

登录本站后即可免费获取百度网盘下载链接，数据集已按标准目录结构组织，下载后即可直接用于模型训练。

🏷️ 标签

#自然环境 #目标检测 #YOLO数据集 #深度学习 #计算机视觉 #塑料