YOLOv11港口码头船舶目标检测数据集-1000张-boat-recog1-1
YOLOv11港口码头船舶目标检测数据集
📊 数据集基本信息
- 目标类别： [‘Unlabeled’, ‘boat’, ‘buoy’, ‘cruise’, ‘ferry’, ‘freight’, ‘gondola’, ‘inflatable’, ‘kayak’, ‘paper’, ‘sailboat’, ‘ship’]
- 中文类别：[‘未标注’, ‘船’, ‘浮标’, ‘邮轮’, ‘渡轮’, ‘货船’, ‘贡多拉’, ‘充气艇’, ‘皮划艇’, ‘纸张’, ‘帆船’, ‘船舶’]
- 训练集：700 张
- 验证集：200 张
- 测试集：100 张
- 总计：1000 张
📄 data.yaml 配置信息
该数据集提供了data.yaml文件，内容如下：
train:../train/imagesval:../valid/imagestest:../test/imagesnc:12names:['Unlabeled','boat','buoy','cruise','ferry','freight','gondola','inflatable','kayak','paper','sailboat','ship']🖼️ 标注可视化
📝 数据集分析
该数据集聚焦于港口及水路交通场景下的各类船舶识别任务，涵盖从大型邮轮、货船到小型渡轮、帆船等多种水上交通工具，真实还原了复杂水体环境中的目标分布特征。图像采集覆盖多种光照条件与视角，包括日间、黄昏及阴天等典型场景，充分体现了实际应用中可能遇到的视觉挑战，具备高度的现实代表性与工程价值。
数据集采用标准划分结构，训练集包含700张图像，验证集200张，测试集100张，共计1000张，比例合理，能够有效支持模型训练、调优与性能评估。各子集在场景多样性与目标类型分布上保持均衡，确保模型在不同条件下均能稳定泛化，为后续算法开发提供坚实基础。
标注工作严格遵循规范，所有目标均通过精确边界框进行定位，标注清晰、无遗漏，关键物体如浮标、贡多拉、充气艇等均被准确识别并分类。标注一致性高，标签与图像内容高度匹配，体现出高质量的数据处理流程，为模型学习提供了可靠依据。
该数据集可广泛应用于港口智能监控、航道安全管理、水上交通调度以及海洋环境监测等领域，适用于自动化船舶识别系统、智能巡检平台和海上交通管理系统的开发与部署，具有显著的行业落地潜力与实用价值。
能巡检平台和海上交通管理系统的开发与部署，具有显著的行业落地潜力与实用价值。
数据集下载
参考：小郭AI日志 https://mp.weixin.qq.com/s/7H8uEjxlIYnWA4uOdGyHpA?payreadticket=HHYehCnhWslEeKolx_w__Pz9JF1fIYcQux0KLxGFu2R7CxAeyBjULVDDtsYzxUNkfqXvyUc