重磅推荐目标检测 基于YoloV5进行水域游泳者检测，附完整数据集+代码

最新推荐文章于 2025-08-06 09:27:46 发布
原创 最新推荐文章于 2025-08-06 09:27:46 发布 · 1.1k 阅读 · 4
本文档详细介绍了如何利用YoloV5训练一个针对水域游泳者的检测模型。首先，提供了数据集说明，包括游泳者数据集和COCO128数据集。接着，展示了训练后的检测效果，并详细阐述了从组织目录结构、编写数据集和模型配置文件到开始训练的步骤。最后，展示了训练结果和检测视频。

目标检测实战：仪表盘指针识别

保姆级 YOLOv8/9/10 教程，附完整数据集与源码

一键订阅

本项目是使用 YoloV5 来训练自己的数据集，所以仅仅展示训练自定义数据集的过程。

1.2 数据集说明

数据集存放在项目根路径的 myDataSet 文件夹内，但是在实际训练时，请按照作者要求的目录机构组织数据集的位置，即让数据集和项目位于同级目录下。

  • swimmer_img

这个数据集是本人自己标注的水域游泳者的数据集，共有118张图片。

目标检测实战：仪表盘指针识别

保姆级 YOLOv8/9/10 教程，附完整数据集与源码

一键订阅
标签
#YoloV5 #水域游泳者检测 #深度学习 #轨迹预测 #流量预测
了解本专栏 订阅专栏 解锁全文 超级会员免费看
游泳者溺水数据集VOC+YOLO格式2类别895张
02-25
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：895 标注数量(xml文件个数)：895 标注数量(txt文件个数)：895 标注类别数：2 标注类别名称:["swimmer","drowning"] 每个类别标注的框数： drowning 框数 = 97 swimmer 框数 = 1433 总框数：1530 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：由于溺水状态难以确认，下载数据集后请务必重新校正为自己认为溺水理想状态，数据集从30段视频截取标注，如果不需要数据集可以从download.csdn.net/download/FL1623863129/88875524直接下载提供的视频文件 博客地址：blog.csdn.net/FL1623863129/article/details/136285420 视频演示：bilibili.com/video/BV1qy421q7of/
目标检测数据集：游泳、溺水图像检测数据集（超过7000张图片和标签）
09-06
目标检测数据集：游泳、溺水图像检测数据集（超过7000张图片和标签） 数据集被处理成yolo格式，可以用于YOLO所有系列的网络训练。show脚本可以用于可视化数据，即将box目标绘制在图像上 数据保存按照YOLOV5文件夹保存，可直接用作yolo检测。 标注格式为：classes，x_centre、y_centre、w、h （yolo的相对坐标标注） 类别个数（3）：游泳、溺水等等【具体类别参考class类别文本文件】 数据分为分为训练集和验证集、测试集： 训练集个数：5000 张左右的图片和对应标签txt文件 验证集个数：1400 张左右图片和对应标签txt文件 测试集个数：700 张左右图片和对应标签txt文件
yolov5Swimmer-master.zip
02-01
目标检测基于YoloV5进行水域游泳者检测，附完整数据集+代码
Swimming Pool And Car Detection数据集
土豆
04-27 717
Samples Overview 该数据集用于检测卫星图像中的游泳池和汽车。训练图像有3748张jpg图像，每张图像对应一个xml文件，记录图像中swimming pool 和car的bounding box Data Explore 数据集主要分为train/test，train目录下含有3748张图片，其宽高为224*224，每张图片在labels目录下有对应的xml文件标签；test目录下含有2703张图片，不含标签 数据预处理 童鞋们只要修改对应的ro...
【数据集】【YOLO】【目标检测】游泳识别数据集 4481 张，游泳识别，YOLO河道、海滩游泳识别算法实战训练教程。
CV 小涵的博客，计算机本硕211毕业，研究计算机视觉、模型微调、RAG等方向，收藏有国内外优质数据集，解决视觉相关项目方案，欢迎交流讨论。
11-14 3806
【数据集】【YOLO】【目标检测】游泳识别数据集 4481 张，游泳识别，YOLO河道、海滩游泳识别系统实战训练教程。 数据集中包含1种分类：names: ['human']，表示“游泳者”。 数据集大部分来自无人机现实取样采集，少部分为国内外图片网站、网络视频抽帧等； 可用于无人机游泳识别、监控游泳识别等。 检测场景为河道、海滩、室内游泳馆、水上乐园等有人员游泳的区域，可用于河道游泳安全预警、游泳监测、环保监管、饮用水安全。 目标检测毕业设计，含yolo和QT代码。 基于QT的yolo可视化界面。
[数据集][目标检测]游泳者溺水数据集VOC+YOLO格式2类别895张
FL1623863129的博客
02-25 3368
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)重要说明：由于溺水状态难以确认，下载数据集后请务必重新校正为自己认为溺水理想状态，数据集从30段视频截取标注，如果不需要数据集可以直接下载提供的视频文件。[数据集][目标检测]游泳者溺水数据集VOC+YOLO格式2类别895张_哔哩哔哩_bilibili。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。
游泳溺水识别数据集，7521张图片，支持YOLO，COCO JSON, VOC XML 格式的标注，平均正确识别率在92.6％
yolo模型训练找我，AI游戏合作找我
12-18 2106
游泳溺水识别数据集，对6128张原始图片进行YOLO，COCO JSON, VOC XML 格式的标注，平均识别率在91.7％以上 ，可识别泳池或者水库中是否有人溺水。数据集分割训练组98％ 9818图片有效集％ 0图片测试集2% 166图片预处理自动定向： 已应用调整大小： 拉伸至 640x640增强未应用任何增强。
[数据集][目标检测]游泳者溺水检测数据集VOC+YOLO格式4599张2类别
FL1623863129的博客
06-28 933
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)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。标注类别名称:[“drowning”,“swimming”]图片数量(jpg文件个数)：4599。标注数量(xml文件个数)：4599。标注数量(txt文件个数)：4599。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
[数据集][目标检测]游泳者溺水检测数据集VOC+YOLO格式8275张4类别
FL1623863129的博客
06-28 1467
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)标注类别名称:["Drowning","Drowning-headdown","Person out of water","Swimming"]重要说明：由于溺水图片太难寻找，数据集图片超过80%都是增强图片，大部分分辨率不高，请请谨慎斟酌下载，具体看图片示例。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。
游泳者溺水视频样本30个mp4文件
02-25
下载说明：请务必确认是否为自己要的，压缩包仅仅包含30段视频文件 博客地址：blog.csdn.net/FL1623863129/article/details/136285420
YOLOv5水下目标检测权重+数据集
04-30
1、YOLOv5水下目标检测权重，含有数据集，7000多张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，可以直接用于YOLO系列的水下海产品目标检测；数据场景丰富；类别为starfish、holothurian、echinus、scallop、waterweeds 5个水产品类别目标 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743
yolo算法-钓鱼-游泳数据集-1453张图像带标签-玉游泳运动员.zip
11-03
yolo系列算法目标检测数据集，包含标签，可以直接训练模型和验证测试，数据集已经划分好，适用yolov5,yolov8,yolov9,yolov7,yolov10,yolo11算法； 包含两种标签格:yolo格式（txt文件）和voc格式（xml文件），分别保存在两个文件夹中; yolo格式：<class> <x_center> <y_center> <width> <height>， 其中： <class> 是目标的类别索引（从0开始）。 <x_center> 和 <y_center> 是目标框中心点的x和y坐标，这些坐标是相对于图像宽度和高度的比例值，范围在0到1之间。 <width> 和 <height> 是目标框的宽度和高度，也是相对于图像宽度和高度的比例值
跌倒检测和识别2：YOLOv5实现跌倒检测(含跌倒检测数据集和训练代码).txt
04-20
跌倒检测和识别1：跌倒检测数据集(含下载链接):https://blog.csdn.net/guyuealian/article/details/130184256 跌倒检测和识别2：YOLOv5实现跌倒检测(含跌倒检测数据集和训练代码)：https://blog.csdn.net/guyuealian/article/details/130250738 跌倒检测和识别3：Android实现跌倒检测(含源码，可实时跌倒检测)：https://blog.csdn.net/guyuealian/article/details/130250824 跌倒检测和识别4：C++实现跌倒检测(含源码，可实时跌倒检测)：https://blog.csdn.net/guyuealian/article/details/130250838
游泳溺水识别数据集，9651张原始图片进行YOLO V8格式的标注，平均识别率在94.4％以上，一共三个类型，未游泳（6），游泳(3) 溺水(1)
04-26
游泳溺水识别数据集，9651张原始图片进行YOLO V8格式的标注，平均识别率在94.4％以上，一共三个类型，未游泳（6），游泳(3) 溺水(1) 详情查看博文：https://backend.blog.csdn.net/article/details/147530204?spm=1011.2415.3001.5331
基于YoloV5对水域中游泳者进行检测识别系统源码+权重文件+数据集
03-20
基于YoloV5对水域中游泳者进行检测识别系统源码+权重文件+数据集 数据集说明 数据集存放在项目根路径的 myDataSet 文件夹内，但是在实际训练时，请按照作者要求的目录机构组织数据集的位置，即让数据集和项目位于同级目录下。 swimmer_img 这个数据集是本人自己标注的水域游泳者的数据集，共有118张图片。 coco128 目录结构 项目工程代码位于 yolov5-develp 目录项目，标注好的数据集位于 swimmer_img 里面 3.2 编写数据集配置文件 修改位于 models/yolov5s_swimmer.yaml 的文件内容。 主要是修改 ==nc== 参数的值，这里我们有 ==person== 和 ==swimmer== 两种类型的目标，所以 nc 设置为 2
河道水位标尺识别预警 yolov7
燧机科技的博客
06-19 2250
河道水位标尺识别预警系统通过python+yolov7网络模型技术，河道水位标尺识别预警算法对河道水位标尺进行实时监测，当河道水位出现异常情况时，河道水位标尺识别预警算法将自动发出警报提示后台管理人员及时采取措施。YOLO系列算法是一类典型的one-stage目标检测算法，其利用anchor box将分类与目标定位的回归问题结合起来，从而做到了高效、灵活和泛化性能好，所以在工业界也十分受欢迎。Yolo模型采用预定义预测区域的方法来完成目标检测，具体而言是将原始图像划分为 7x7=49 个网格（grid），每
游泳人员检测数据集-4,500 张图片 游泳池安全监控 海滩救生系统 水上运动分析 智能水域管理 水上乐园监控 搜救任务支持
最新发布
cver123的博客
08-06 1868
游泳人员检测数据集-4,500 张图片 游泳池安全监控 海滩救生系统 水上运动分析 智能水域管理 水上乐园监控 搜救任务支持
溺水数据集如何训练自己的数据集呢？
2401_88441190的博客
10-25 1214
溺水数据集 游泳数据集+游泳目标检测数据集9000张2类检测目标：游泳、溺水带标注 -YOLO格式 可直接用于YOLO系列目标检测算法模型训练 yolov5-yolov10通用数据集 目标检测数据集
使用YOLOv8来训练游泳和溺水检测数据集 实现可视化及评估 直接检测道游泳溺水
2401_88440984的博客
01-02 604
使用YOLOv8来训练游泳和溺水检测数据集 实现可视化及评估 直接检测道游泳溺水
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

计算机毕设论文

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值