1、俯视场景下公交车目标检测数据集，用于公交车检测，标签格式为txt和xml两种。可以用于YOLO公交车检测 2、一个类别，类别名为bus 3、数据参考和检测结果展示：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、数量：2992 5、从Visdrones数据集总提取得到

Visdrone数据集YOLOv5在Visdrone数据集上训练结果：包括训练好的YOLOv5s和yolov5m两个模型；包含各种训练曲线和测试视频，附上了yolov5-5.0的代码，代码视版本5的，配置好环境后可以直接运行

1、pytorch框架YOLOv3在Visdrone开源数据集的训练权重和代码； 2、3个训练好的模型YOLOv3、yolov3-tinyt、YOLOv3-spp； 3、map、PR、recall、loss、等各种训练曲线图； 4、Ultralytics 版YOLOv3版的代码。

Visdrone数据集YOLOv5训练权重： 1、包括训练好的YOLOv5s-visdrone.pt 和yolov5m-visdrone.pt两个模型 2、包含各种训练曲线 3、包含相关场景测试视频 4、附上了yolov5-5.0的代码

Visdrone数据集pytorch框架下YOLOv3训练结果，包含3个训练好的模型YOLOv3-drone.pt、yolov3-tiny-drone.pt、YOLOv3-spp-drone.pt及其各种训练曲线图，保存在runs/train文件夹下，附有相关场景下的测试视频和代码，代码为Ultralytics 版YOLOv3版的代码，每个模型训练了150轮，

画雷达图matlab代码新的自述文件 修改 repo 以使用多跟踪器运行 OPE 地块评价结果 数据集路径： |---序列|------test_seqs.txt（可选，指定seqs运行评估） |------seq1 |---------img1 |---------img2 |------seq2 |---------img1 |---------img2 |---注解|------seq1.txt |------seq2.txt |---属性|------seq1_attr.txt |------seq2_attr.txt trackResPath: |---结果_OPE |------Tracker1（文件夹名称应与 PlotEval.m 中的跟踪器名称匹配） |---------seq1.txt/mat (txt 或 mat 文件，其名称应与 datasetPath/sequences 下对应的文件夹名称匹配) |---------seq2.txt/mat |------追踪者2 |---------seq1.txt/mat |---------seq2.txt/mat dat

visdrone数据集场景下YOLOv5-deepsort视觉检测和跟踪代码，包括用Visdrone数据集训练好的YOLOv5s-visdrone.pt和YOLOv5m-visdrone.pt两个模型，并附上了训练曲线图；代码都已配置好，安装好环境后可以直接使用，包含有相关场景下的测试视屏和跟踪结果，并保存了目标运动的质心坐标和可以绘制出目标运动轨迹

Visdrone数据集pytorch框架下YOLOv3训练结果，包含训练好的权重文件和各种训练曲线图，保存在runs/train文件夹下，附有相关场景下的测试视频和代码，代码为Ultralytics 版YOLOv3d代码

计算机视觉，目标检测，数据集格式转换：VisDrone2019-DET-train数据集转coco格式

VisDrone（无人机航拍图像目标检测）的对象检测 我的环境 1，Windows10（可使用Linux） 2，tensorflow> = 1.12.0 3，python3.6（anaconda） 4，cv2 5，合奏盒（pip安装合奏盒） 数据集（训练集的XML格式） （1）。数据集可从（2）。请在（提取码：ia3f）或上下载xml批注，然后在./core/config/cfgs.py中进行配置（3）。您还可以使用./data/visdrone2xml.py生成您的visdrone xml文件，修改路径信息。 training-set format: ├── VisDrone2019-DET-train │ ├── Annotation(xml format) │ ├── JPEGImages 预训练模型（ResNet50vd，101vd） 请在（krce）或上下载