摘要：该数据集包含13,710张1280x1280分辨率的电力设施图片，采用PascalVOC和YOLO双格式标注（各13,710个xml和txt文件）。包含5个类别：桁架式铁塔(4,699框)、电缆(114,345框)、混合塔(2,650框)、木式电塔(3,678框)和不可见线缆(5,089框)，总标注框数达130,461个。其中电缆出现频率最高（13,547张图），数据集经过增强处理但未划分训

该数据集包含4025张640x640分辨率的空中飞行物图片（VOC+YOLO格式），涵盖气球、鸟类和无人机3个类别，共4329个标注框。数据集包含jpg图片及对应的xml和txt标注文件，其中气球618框（615张图）、鸟类1695框（1394张图）、无人机2016框（2016张图）。数据经过增强处理，需自行划分训练/验证/测试集。标注采用矩形框形式，但不对模型精度作保证。

摘要：该数据集包含2255张640×640分辨率的智慧城市街道巡检图片，提供PascalVOC和YOLO两种标注格式。数据集标注了3类目标：涂鸦(1724个)、垃圾(2842个)和路面沙土(97个)，总标注框数4663个。其中涂鸦出现在1045张图中，垃圾1122张，路面沙土88张。数据集未划分训练/验证/测试集，需用户自行处理。标注采用矩形框形式，未进行数据增强。注意YOLO格式类别顺序需参考c

摘要：该数据集包含1183张640x640分辨率的死鸡检测图像，采用PascalVOC和YOLO格式双重标注。数据集包含3975个标注框，全部属于"dead"类别，每张图片平均包含3.36个标注框。数据经过增强处理，使用labelImg工具进行矩形框标注。数据集未划分训练/验证/测试集，需用户自行划分。注意：数据集不保证模型训练精度。数据格式包含jpg图片及对应的xml(VOC

该数据集包含16,985张建筑工地场景图片（640x640分辨率），采用VOC+YOLO双格式标注，涵盖17类重型车辆（如挖掘机、自卸卡车等）。共标注35,256个目标框，其中挖掘机（8,217框）和自卸卡车（6,942框）数量最多。数据集未划分训练/验证/测试集，需自行处理。特别说明：数据为固定视频截图，含少量道路车辆场景，但对模型精度不作保证。

本文介绍了一个包含1064张河道巡检图像的数据集，采用PascalVOC和YOLO两种格式存储。数据集包含15个标注类别，共计3159个标注框，主要涵盖河道环境中的各类特征（如排水口、障碍物、野生动物等）。其中"Modified_Channel"类别标注最多（644框），"Sensor"最少（28框）。图像分辨率多样（如3840x2160、3096x4128

该手套数据集包含1145张225x225分辨率的图片，采用PascalVOC和YOLO格式双重标注。数据集包含2288个标注框，全部为"gloves"类别（每张图片平均2个标注）。提供jpg图片及对应的xml(VOC)和txt(YOLO)标注文件，但未划分训练/验证/测试集。数据集未经增强处理，使用labelImg工具进行矩形框标注。特别说明不对模型精度作保证。GitHub仓库

该数据集包含9876张640x640分辨率的活鸡与死鸡图像，采用PascalVOC和YOLO格式标注。包含两个类别："chicken"(54959个标注框)和"dead"(4376个标注框)，总标注框数达59335。其中8307张图含活鸡标注，1571张含死鸡标注。数据集已增强但未划分训练/验证/测试集，需用户自行处理。标注采用labelImg工具完成，仅包

该数据集包含1755张640x640分辨率的眼部图像，用于黑眼圈检测任务。数据集采用Pascal VOC和YOLO两种格式存储，每张图片均配有对应的XML和TXT标注文件。标注类别仅包含"dark-circle"一种，共标注3663个边界框，平均每张图片约2个标注框。数据集已进行增强处理，但未划分训练/验证/测试集，需用户自行划分。标注使用labelImg工具完成，采用矩形框标

该皮肤病数据集包含4530张640×640分辨率的图片，采用PascalVOC和YOLO格式双重标注（各4530个xml和txt文件）。涵盖21种皮肤病症，包括毛孔粗大、痤疮、痘印等，总标注框数达29282个。其中痤疮标注最多（19033框/2428图），黄褐斑最少（仅2框）。数据集已增强但未划分训练/验证/测试集，需用户自行处理。标注通过labelImg工具完成，采用矩形框标注规则。完整数据及类