【data】bike的数据集资源（持更）

数据集格式：Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：8360 标注数量(xml文件个数)：8360 标注类别数：1 标注类别名称:["bicycle"] 每个类别标注的框数： bicycle count = 13426 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

城市人流量预测任务可以视为一个回归任务，旨在根据历史记录预 测城市各区域的人流入和流出量，进而辅助城市管理。为简化研究，将 直接对待研究的城市区域按水平和垂直划分为若干个小区域。 任务目标：利用过去六小时录得的流入流出量，预测未来一 小时、两小时和四小时的流入流出量； 数据处理：先对数据进行规范化处理；而后参考实验4，按照 任务目标对原始数据进行滑窗采样，构造训练集、验证集和 测试集，三者比例为7：1：2； 模型要求 1. 模型结构：模型应同时使用卷积神经网络（CNN、残差 结构等）和循环神经网络（RNN、LSTM、GRU等）； 2. 模型优化： 1. 针对不同类型的模块应用不同的归一化操作； 2. 至少使用一次Dropout； 3. 损失函数中需添加正则化项； 4. 应用早停机制； 结论内容 1. 【表格】报告待预测的三个时间点在三种评 价指标（MAE、RMSE、MAPE）下的性能， 并用黑体标注出最佳一项； 2. 【绘图】探究使用不同正则化参数、Dropout 丢弃值以及早停忍耐值对结果的影响。 1. 模板：按此前指定的实验报告模板； 2. 要求：图文表并茂，粘贴关键的高亮代码；

BlueBIkes 是一种自行车共享系统，于 2011 年 7 月在波士顿地铁诞生。多年来，它呈指数级增长。 系统很简单。用户可以在任何车站码头拿起自行车，骑一定的时间，然后返回到任何车站重新对接。 bluebikes_tripdata_2019.csv bluebikes_tripdata_2020.csv

纽约市花旗自行车数据 最初支持代码。 还与用于 此存储库提供脚本来下载，处理和分析NYC的。 数据存储在数据库中，使用进行空间计算，使用进行数据分析。 指示 1.安装和 两者都可以通过Mac上的获得 2.下载原始出租车数据 ./download_raw_data.sh 3.初始化数据库并设置架构 ./initialize_database.sh 4.将出租车数据导入数据库并映射到人口普查区 ./import_trips.sh 5.分析 其他的用于分析的Postgres和R脚本位于analysis/文件夹中 其他资料来源 这些与存储库捆绑在一起，因此无需单独下载，但是： 纽约市人口普查区和邻区制表区的Shapefile来自纽约市规划局 中央公园的天气数据来自美国国家气候数据中心 问题/问题/联系方式 todd@toddwschneider.com或打开GitHub问题

Nice Ride 共享单车骑行数据，包括：使用次数、骑行时间、骑行时长、起点和终点经纬度坐标等属性。

该数据集主要包含自行车、电动车和摩托车，标签都是yolo格式，是经过本人精心挑选及筛选的。博客上也有很多其它数据集资源，但经本人下载后有很多图片的标签有误，甚至压根就不是人工标注的（估计是拿模型直接检测出来的），这个严重影响模型的精度。 数据集图片总数为12811，标签文件名与图片片名一一对应，但是有的标签文件是多余的，不对应图片，训练的时候直接根据图片读标签即可。 标签格式：（类别 id 归一化后的x,y,w,h），其中id均为-1，因为我用这个数据集训练的跟踪模型，所以会有id信息。如果只想训练检测模型，对标签用代码处理以下即可。

城市共享单车目标检测 labelImg标注