数据采集场景广泛分布于开阔海域、湖泊、河流及港口区域，具备丰富的光照条件与背景复杂度，能够有效支持高精度船艇识别模型的训练与优化，为水上交通管理与智能监控提供坚实的数据基础。该数据集在样本划分上遵循科学比例，训练集包含2097张图像，验证集为200张，测试集为101张，总计2398张。该数据集适用于海洋交通监管、港口安防监控、水上救援调度以及航道智能巡检等多个领域，尤其适合部署于海事执法系统、无人

摘要 YOLOv11机场遥感图像数据集包含382张飞机目标检测图像，分为267张训练集、74张验证集和41张测试集。数据集提供data.yaml配置文件，包含单类别('aircraft')标注信息。该数据集覆盖多种机场环境下的高分辨率遥感影像，包含不同光照、天气条件和飞机姿态，标注精细准确。适用于航空安全监控、机场运营管理等智能分析系统，支持构建高精度飞机识别模型。数据集下载参考小郭AI日志提供的

本文介绍了YOLOv11算法家畜与人类目标检测数据集的基本信息。该数据集包含10个类别（猫、鸡、牛等动物及人类），共计1000张标注图像（训练700张、验证200张、测试100张）。数据集具有类别均衡、场景多样、标注精确等特点，适用于农业监控、野生动物识别等领域。文中提供了data.yaml配置示例和标注可视化示例，并指出该数据集能有效支持高精度目标检测模型的开发。数据集下载信息可参考"

本文介绍了一个专注于校园场景背包识别的YOLOv11目标检测数据集。该数据集包含47张图像，分为33张训练集、9张验证集和5张测试集，专门用于检测背包这一目标类别。数据集提供了规范的data.yaml配置文件，包含清晰的目录结构和类别定义。标注工作严谨，边界框精确覆盖背包轮廓，覆盖多种校园场景和光照条件。该数据集适用于校园安防、行为分析等应用场景，具有较高的实用价值和教育意义，能有效支持目标检测模

YOLOv11鸟类检测数据集摘要 该数据集包含120张鸟类图像（训练集96张，测试集24张），专注于室内外多种环境下的鸟类检测。数据集特点包括： 单一目标类别（bird） 多样化的鸟类姿态（飞行、栖息等） 丰富的背景场景（自然、建筑等） 高质量的边界框标注 适用于野生动物监测、智能管理等应用场景 数据集配置采用标准YOLO格式，提供完整的data.yaml文件。通过该数据集可训练模型实现鸟类行为的

YOLOv11室内安防包目标检测数据集包含100张图像（训练70张、验证20张、测试10张），专注于单类别"包"的检测。该数据集涵盖多种包类型和场景，提供规范的data.yaml配置文件和精确标注，适用于安防监控、零售管理等场景。数据集样本分布合理，标注质量高，能有效提升模型在复杂环境下的识别能力。下载链接可参考小郭AI日志获取完整数据集。

YOLOv11室内生活场景包目标检测数据集是一个专注于包类物品识别的视觉数据集，包含41张标注图像（训练29张/验证8张/测试4张）。数据集提供完整的data.yaml配置，支持单类别（bag）检测任务，涵盖多种日常生活场景中的背包和手提包。该数据集具有严谨的标注规范和合理的样本分配，适用于智能家居、零售管理等应用场景的开发与测试。数据集可通过指定链接获取，为物品识别系统开发提供了高质量的基准数据

本文介绍了YOLOv11算法飞机目标分割数据集的基本信息。该数据集包含172张飞机图像（训练150张/验证15张/测试7张），仅含"airplane"单一类别。数据集提供规范的data.yaml配置，包含清晰的图像标注和多样化的飞机样本（客机、军用机等）。该数据集具有高质量标注和场景多样性，适用于航空监控、无人机识别等领域，支持目标检测算法的研发优化。数据集下载链接见文末。

本文介绍了YOLOv11校园场景背包目标检测数据集，包含47张图像（训练33张/验证9张/测试5张），专用于识别校园环境中的背包。数据集提供规范的data.yaml配置，标注精确覆盖多种使用场景和光照条件。该数据集适用于校园安防、行为分析等场景，具有较高的实用价值和推广前景。数据下载可参考"小郭AI日志"提供的链接。

本文介绍了一个用于YOLOv11模型的室内苹果识别数据集。该数据集包含144张图像（141张训练集，3张验证集），专注于室内环境下苹果的精准检测。数据集提供规范的data.yaml配置文件，标注质量高，边界框准确覆盖苹果主体。适用于农产品质量检测、智能分拣等农业智能化场景，能有效提升自动化设备的识别效率。数据集通过高分辨率图像捕捉不同光照条件下的苹果特征，为模型训练提供了可靠的视觉样本支持。