带标注的红外热成像人，无人机，车辆，动物识别数据集，识别率91.9%，17800张图，支持yolo，coco json，voc xml格式,文末有模型训练代码

红外热成像目标检测数据集介绍本数据集是一个专门用于红外热成像目标检测的高质量标注数据集包含人、无人机、车辆、动物四类目标。数据集经过精心标注和预处理适用于多种目标检测框架。数据集核心信息数据规模17,800 张红外热成像图像识别准确率91.9%基于YOLOv8基准测试支持格式YOLO格式、COCO JSON、Pascal VOC XML模型训练代码文末提供完整的YOLO模型训练脚本 模型训练指标参数 模型训练过程可视化 数据集拆分与预处理数据集划分总图数17,800 张训练集17,350 张约 97.5%验证集244 张约 1.4%测试集206 张约 1.1%预处理流程自动方向校正已执行确保图像方向正确尺寸调整统一调整为 640×640 分辨率自动填充黑边保持宽高比自动对比度调整采用自适应直方图均衡化算法增强图像质量数据增强策略每个训练样本生成 10 个增强版本增强方法包括几何变换水平翻转90° 旋转顺时针、逆时针、倒置随机旋转角度范围-15° 至 15°剪切变换水平 ±15°、垂直 ±15°颜色与纹理增强灰度化对 15% 的图像应用色相调整范围 -25° 至 25°饱和度调整范围 -34% 至 34%亮度调整范围 -25% 至 25%模糊处理最大模糊半径 3.5 像素噪声添加最多对 1.96% 的像素添加噪点数据集标签[‘Vehicle’, ‘Animal’, ‘Person’, ‘Drone’]标签解释Vehicle车辆Animal动物Person人行人Drone无人机数据集图片和标注信息示例数据集下载yolo26:yolo v12:yolo v11yolo v9:yolo v8:yolo v7:coco json:pascal voc xml:由于模型太大请在主页和作者取得联系获取YOLO模型训练下载数据集之后解压到当前文件夹然后将 我的仓库 https://gitcode.com/pbymw8iwm/YOLOProject里的训练模型脚本复制到文件夹下假设你使用的是yolov8来训练你就用 python train_yolov8.py​​模型下载模型验证测试情况验证测试代码#需要安装pip install ultralyticsfromultralyticsimportYOLOimportcv2# 加载训练好的 YOLO .pt 模型modelYOLO(best.pt)# 替换为你实际的 .pt 模型文件路径# 定义要测试的图片路径image_path./image.jpg# 替换为你实际的图片文件路径# 使用模型对图片进行预测resultsmodel(image_path)# 获取预测结果forresultinresults:# 获取绘制了检测框的图片annotated_imageresult.plot()# 显示图片cv2.imshow(YOLOv Inference,annotated_image)# 等待按键退出cv2.waitKey(0)# 关闭所有 OpenCV 窗口cv2.destroyAllWindows()