对象数据集

数据预览

数据交付

本条目提供数据和数据说明，暂未提供可运行教学案例。需要自行完成建模或实验。

数据集介绍

【数据集名称】对象数据集 【门类归属】动物 / 哺乳动物 【数据类型与任务】图像；目标检测（COCO 标注） 【数据规模】2136 张图像 / 3734 个标注框 【文件格式】JPG 图片（附标注/说明文件） 【压缩包大小】下载压缩包约 151.8 MB 【数据划分】已划分 —— 训练集 1950 张（含 3482 个标注框）；验证集 127 张（含 178 个标注框）；测试集 59 张（含 74 个标注框）。 【标签或字段】有标注：采用 COCO 目标检测格式（每张图带目标框坐标）；类别及各类别标注框数——Dogs(0)、Bike(240)、Car(14)、bicycle(170)、bus(196)、car(187)、cat(428)、chair(143)、dog(315)、green(23)、person(1149)、pole(186)、red(150)、tables(86)、tree(383)、yellow(64)；完整的字段与类别说明见压缩包内的数据字典文件 data-dictionary.csv。 【类型关键参数】图像尺寸不统一（每张图大小不同），具体尺寸清单见压缩包内的详细说明文件 README_中文.md。标注方式：附带 COCO 格式标注文件（每张图带目标框坐标）。各类别标注框数量：Dogs 0 个、Bike 240 个、Car 14 个、bicycle 170 个、bus 196 个、car 187 个、cat 428 个、chair 143 个、dog 315 个、green 23 个、person 1149 个、pole 186 个、red 150 个、tables 86 个、tree 383 个、yellow 64 个。 【目录结构】 v1-coco.zip（解压后） ├── train/ —— .jpg×1950、.json×1 ├── test/ —— .jpg×59、.json×1 └── valid/ —— .jpg×127、.json×1 README.roboflow.txt README.dataset.txt 【怎么使用】 每张图片配了一个 JSON 标注文件（训练/验证/测试各一份），里面记录了图中目标的位置框和类别，这是目标检测领域最通用的 COCO 格式。用 Python 的 pycocotools 库就能读取： from pycocotools.coco import COCO coco = COCO("train/_annotations.coco.json") # train/valid/test 各有一份标注 JSON img_ids = coco.getImgIds() anns = coco.loadAnns(coco.getAnnIds(imgIds=img_ids[0])) 框坐标是 [x, y, w, h] 像素值；类别编号对应类别表，中英对照见压缩包内的 data-dictionary.csv。 【数据体检结果】 · 类别名单里的 Dogs/dog；Car/car 其实指的是同一个类别，只是写法不同（原始标注者命名不一致），使用前建议把它们合并成一类。

整理与使用信息

本站处理内容

本站已完成的工作： 1. 中文名称与用途说明整理（对照原站信息逐项核对）； 2. 全量文件清点与 SHA256 校验（file-manifest.csv，可溯源）； 3. 自动质检报告（quality-report.json：结构、编码、重复、标注一致性等）； 4. 数据字典整理（data-dictionary.csv，字段/类别中英对照）； 5. 预览样例抽取（preview/，供购买前判断内容）。

中文整理说明

门类：动物 / 哺乳动物（依据《数据集中文分类体系》） 中文命名：对象数据集（原始名称 stv-8xjqc/object-g4zt0） 已知问题：类别表疑似重复类别（不同 ID 同义名称）：Dogs/dog；Car/car——疑似标注者命名不一致，需人工确认 配套文档：简明说明.md、README_中文.md、数据字典、文件清单、质检报告、预览样例（均随网盘下载包提供）。