Fashion-MNIST对抗攻击与对抗训练：FGSM/PGD复现避坑
2026/10/29 10:41:22
监控视角车辆类型及撒漏检测数据集 无人机可用高速抛洒物检测数据集及车辆检测 深度学习基于YOLOV11监控车辆及抛洒物检测数据集
监控下车辆类型及撒漏检测数据集，21825张，yolo，voc，coco三种标注方式
图像尺寸: 1080 * 1920
总类别数量: 6 类
===== 图像数量统计 =====
训练集图像总数：17756
验证集图像总数：2919
测试集图像总数：1150
数据集全部图像总量：21825
===== 类别完整统计 =====
类别,训练图片数,训练标签数,验证图片数,验证标签数,测试图片数,测试标签数
YL - 溢漏: 17480,43872,2861,6216,1148,2967
CL - 车辆: 14258,107316,2377,19169,853,4894
HC - 货车: 11567,33597,1904,5587,700,1951
XR - 行人: 3472,6020,502,873,254,411
GC - 公交车: 1429,1806,307,420,90,132
MTC - 摩托车: 483,893,87,151,44,93
模型与源代码
采用 YOLOv11n 网络训练
训练轮次：80 个 epoch
提供训练好的yolo11n模型，全部训练 + 测试源代码
训练精度 mAP 效果如图所示
PyQt5 界面功能
界面使用 PyQt5 开发，提供全部源码（.ui、.qrc、.py 及图标文件）
支持图片检测、视频检测、摄像头实时检测
界面实时显示：目标位置、目标总数、置信度等信息
支持检测结果保存导出
操作简单直观，无需命令行
4、
运行环境：Python=3.8、opencv-python、PyQt5、torch
支持 Windows、Linux 系统
监控下车辆类型及撒漏检测数据集
| 项目 | 详情 |
|---|---|
| 数据集名称 | 监控下车辆类型及撒漏检测数据集 |
| 图像总量 | 21825张 |
| 图像分辨率 | 1080 × 1920 |
| 标注格式 | YOLO、VOC、COCO 三种格式 |
| 划分情况 | 训练集：17756张 验证集：2919张 测试集：1150张 |
| 类别总数 | 6类 |
| 类别清单 | YL溢漏、CL车辆、HC货车、XR行人、GC公交车、MTC摩托车 |
| 配套模型 | YOLOv11n，80 epoch训练，提供训练完成权重文件 |
| 配套源码 | 训练代码、测试代码、PyQt5可视化界面全套源码（含.ui、.qrc、py、图标资源） |
| 界面功能 | 图片检测、视频检测、摄像头实时检测；展示目标框、目标总数、置信度；支持结果导出保存，免命令行操作 |
| 运行环境 | Python3.8，opencv-python、PyQt5、torch；支持Windows、Linux |
✅ 应用场景
- 道路卡口、工地出入口、渣土车监控场景下物料撒漏、溢漏违规识别
- 交通监控多目标检测：货车、公交、摩托车、行人、机动车识别统计
- 城市路政、扬尘治理、渣土运输智能监管系统开发
- YOLO算法调优、对比实验、本科/硕士毕业设计、科研论文实验
✅ 应用价值标签
#车辆撒漏检测#道路监控目标检测#渣土车溢漏识别#YOLOv11数据集#交通多目标检测
📝 摘要
监控视角车辆类型及撒漏检测数据集，总计21825张1080×1920监控图像，包含溢漏、车辆、货车、行人、公交车、摩托车6类目标，提供YOLO/VOC/COCO三类标注。数据集按17756:2919:1150划分训练、验证、测试集。配套YOLOv11n训练权重、全套训练测试代码以及PyQt5可视化推理界面，支持图片、视频、摄像头实时检测，自动统计目标数量、置信度并导出结果，适合路政渣土撒漏智能监管、交通监控算法研究与毕业设计。