​
带标注的红外热成像物体识别数据集，5031张图，识别率78.3%可识别瓶子，人，多种动物，多种车，建筑破损等，支持yolo，coco json，voc 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：5031 张图数
训练集

3586 张图

验证集

722 张图

测试集

723 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：

‘Aerosol Cans’, ‘Aluminium Food Cans’, ‘Auto rickshaw’, ‘Bicycle’, ‘Building Damage’, ‘Bus’, ‘Camel’, ‘Car’, ‘Cat’, ‘Cow’, ‘Dog’, ‘Fire’, ‘Glass Bottle’, ‘Human’, ‘Motorcycle’, ‘PET Bottle’, ‘Paper Cans’, ‘Polythene’, ‘Truck’

Aerosol Cans：喷雾罐
Aluminium Food Cans：铝制食品罐
Auto rickshaw：三轮摩的 / 自动人力三轮车
Bicycle：自行车
Building Damage：建筑破损
Bus：公交车
Camel：骆驼
Car：汽车
Cat：猫
Cow：牛
Dog：狗
Fire：火焰
Glass Bottle：玻璃瓶
Human：人
Motorcycle：摩托车
PET Bottle：PET 塑料瓶
Paper Cans：纸罐
Polythene：聚乙烯塑料袋 / 塑料薄膜
Truck：卡车

数据集图片和标注信息示例：

数据集下载：

yolo26:https://download.csdn.net/download/pbymw8iwm/92802658

yolo v12: https://download.csdn.net/download/pbymw8iwm/92802654

yolo v11:https://download.csdn.net/download/pbymw8iwm/92802655

yolo v9:https://download.csdn.net/download/pbymw8iwm/92802656

yolo v8:https://download.csdn.net/download/pbymw8iwm/92802661

yolo v7:https://download.csdn.net/download/pbymw8iwm/92802657

coco json:https://download.csdn.net/download/pbymw8iwm/92802662

pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92802660

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 ultralytics
from ultralytics import YOLO
import cv2
 
# 加载训练好的 YOLO .pt 模型
model = YOLO('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
results = model(image_path)
 
# 获取预测结果
for result in results:
    # 获取绘制了检测框的图片
    annotated_image = result.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()