卡車傾倒建筑垃圾

數(shù)據(jù)集下載鏈接：http://suo.nz/2nVNKH

用于檢測卡車傾倒建筑垃圾的數(shù)據(jù)集。大多數(shù)圖像是從互聯(lián)網(wǎng)或視頻中刪除的。使用yolov7訓(xùn)練過，模型性能：map up to 0.85

工程車輛（貨車/拖車）數(shù)據(jù)集

數(shù)據(jù)集下載鏈接：http://suo.nz/2vrAOu

這個數(shù)據(jù)集是一個極具挑戰(zhàn)性的集合，包含從 600 多個城市和農(nóng)村地區(qū)捕獲和眾包的 20,000 多張原始工程車輛圖像，其中每張圖像都由 Datacluster Labs 的計算機視覺專業(yè)人員手動審查和驗證。

數(shù)據(jù)集特征 數(shù)據(jù)集大小：20,000+ 拍攝者：超過 1000 名眾包貢獻者 分辨率：100% 的圖像為高清及以上（1920x1080 及以上） 地點：拍攝于印度 600 多個城市 多樣性：各種照明條件，如白天、夜晚、不同的距離、觀察點等。使用設(shè)備：2020-2022 年使用手機拍攝 用途：建筑工地物體檢測、工作場所安全監(jiān)控、自動駕駛系統(tǒng)等?？捎玫淖⑨尭袷?COCO、YOLO、PASCAL-VOC、Tf-Record

Smoke100k

數(shù)據(jù)集下載鏈接：http://suo.nz/2w81aV

由于場景復(fù)雜，單幅圖像中的特征信息有限，精確的煙霧檢測在實踐中更具挑戰(zhàn)性。大多數(shù)以前的煙霧檢測方法要么提取煙霧的紋理和時空特征，要么分離圖像的煙霧和背景成分。然而，由于單個圖像中的特征信息有限，這些方法往往無法檢測到煙霧位置。此外，如果收集到的訓(xùn)練數(shù)據(jù)集的額外信息可用，則可以更好地完成煙霧檢測任務(wù)。一個關(guān)鍵問題是如何為端到端學(xué)習(xí)構(gòu)建配對煙霧圖像和地面真實邊界框位置的訓(xùn)練數(shù)據(jù)集。本文提出了一個大規(guī)模基準(zhǔn)圖像數(shù)據(jù)集來訓(xùn)練煙霧探測器。使用構(gòu)建的數(shù)據(jù)集，

Smoke100k數(shù)據(jù)庫是一個大型煙霧檢測數(shù)據(jù)庫，它具有幾個吸引人的特性：

Smoke100k由100k合成煙霧圖像、無煙圖像、煙霧遮罩和邊界框位置組成。

模擬不同陰燃火災(zāi)的合成煙霧圖像有3個子集如下：

Smoke100k-L : samples由Low level選擇的smoke masks合成，有二十種角度， Smoke100k-M : samples由Middle level選擇的8種角度的smoke masks合成， Smoke100k-H : samples 由High level 中選取的 smoke mask 合成，有十五種角度。

野外火災(zāi)煙霧數(shù)據(jù)集

數(shù)據(jù)集下載鏈接：http://suo.nz/2DEbEk

該模型目前是根據(jù)從氣象塔收集的圖像進行訓(xùn)練的，這些圖像只覆蓋了一部分有火災(zāi)風(fēng)險的區(qū)域

抽煙者/不抽煙者數(shù)據(jù)集

數(shù)據(jù)集下載鏈接：http://suo.nz/2LaoJ1

該數(shù)據(jù)集總共包含 2400 張原始圖像，其中 1200 張圖像屬于吸煙（smokers）類別，其余 1200 張圖像屬于不吸煙（non-smokers）類別。通過輸入多個關(guān)鍵字（包括吸煙、吸煙者、人、咳嗽、吸入器、打電話的人、飲用水等），通過各種搜索引擎掃描該數(shù)據(jù)集。作者試圖在兩個類別中考慮通用圖像以創(chuàng)建特定的類間混淆程度，以便更好地訓(xùn)練模型。例如，吸煙類別由多個角度和各種手勢的吸煙者圖像組成。此外，非吸煙類別的圖像包含非吸煙者的圖像，其手勢與吸煙圖像略有相似，例如人們喝水、使用吸入器、拿著手機、咬指甲等。

香煙識別

數(shù)據(jù)集下載鏈接：http://suo.nz/2S0Elo

極市打榜算法上新

【水務(wù)漂浮物識別（無人機）】-?年均算法持續(xù)收益?50,000?元（黃金榜）+?16,000元?刷榜獎金池算法需求&報名鏈接：

https://cvmart.net/topList/10560?tab=RankDescription

項目背景：無人機視角下的水面漂浮物識別。

項目算法要達到的目的：通過對水體和水體上的漂浮物進行分割，并按照面積閾值判斷并輸出報警消息。

算法類型：語義分割

數(shù)據(jù)集：10.126 G

樣例集節(jié)選：

刷榜獎金池：

【明火與煙霧識別】-?年均算法持續(xù)收益?150,000?元（鉆石榜）+?15,000元?刷榜獎金池算法需求&報名鏈接：

https://cvmart.net/topList/10557?tab=RankDescription

項目背景：火災(zāi)初期通常會產(chǎn)生大量煙霧， 這一現(xiàn)象在很大程度上降低了用火焰檢測進行火災(zāi)預(yù)警的有效性，所以現(xiàn)在很多方案通過對煙霧的監(jiān)控和檢測，實現(xiàn)早期火災(zāi)預(yù)警。

項目算法要達到的目的：可見光檢測火焰與煙霧。

算法類型：語義分割

數(shù)據(jù)集：40.035 G

刷榜獎金池：