带标注的热成像夜视拍摄的士兵，车辆，步枪识别数据集，识别率99.3%，2409张图，支持yolo，coco json，voc xml格式,文末有模型训练代码

​带标注的热成像夜视拍摄的士兵车辆步枪识别数据集识别率99.3%2409张图支持yolococo jsonvoc xml格式,文末有模型训练代码模型训练指标参数模型训练图数据集拆分总图数2409 张图数训练集1686 张图验证集482 张图测试集241 张图预处理自动定向应用调整大小拉伸到640x640增强无数据集标签‘Soldier’, ‘Vehicle’, ‘assault rifle’标签解释Soldier士兵、军人Vehicle车辆、载具assault rifle突击步枪数据集图片和标注信息示例数据集下载yolo26:https://download.csdn.net/download/pbymw8iwm/92808648yolo v12:https://download.csdn.net/download/pbymw8iwm/92808650yolo v11:https://download.csdn.net/download/pbymw8iwm/92808649yolo v9:https://download.csdn.net/download/pbymw8iwm/92808647yolo v8:https://download.csdn.net/download/pbymw8iwm/92808646yolo v7: https://download.csdn.net/download/pbymw8iwm/92808644coco json:https://download.csdn.net/download/pbymw8iwm/92808659pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92808645YOLO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()