该数据集包含82种草药和植物的6,667张图像，采用Pascal VOC和YOLO格式标注（各6,667个xml和txt文件）。图像分辨率为640x640，总标注框数14,456个。数据集涵盖植物各部位（花、叶、果实、全株），如木通、堇菜、东风菜等，部分类别包含中英文对照。每个类别标注数量和图片分布不均，如Minari-Leaf标注704框/100图，而poppy仅19框/8图。数据集未划分训练验

摘要：该跌倒检测数据集包含4250张640x640分辨率的图片，采用PascalVOC和YOLO双格式标注（各4250个xml和txt文件）。包含"fallen"和"unfallen"两类，标注框数分别为2110和2140。数据集已增强但未划分训练/验证/测试集，需用户自行处理。数据标注使用labelImg工具，采用矩形框标注方式。特别声明不对模型精度作保证

该数据集包含1130张640x640分辨率的图片，用于检测未按规定停车行为。数据集采用PascalVOC和YOLO格式，包含1130个jpg图片及对应的xml和txt标注文件。仅包含"illegal_parking"一个类别，共1430个标注框，平均每张图片1.27个标注。数据未经增强，需自行划分训练/验证/测试集。标注采用labelImg工具绘制矩形框，未提供模型精度保证。

摘要：该航拍矿场滑坡数据集包含2254张多分辨率图片，采用PascalVOC和YOLO格式双标注（各2254个文件）。数据集仅标注"landslide"一个类别，共3569个标注框，每张图片均含滑坡标注。数据未经增强处理，使用labelImg工具进行矩形框标注。未划分训练/验证/测试集，需用户自行划分。数据集不含分割路径txt文件，仅包含jpg图片及对应的xml、txt标注文件

本文介绍了一个红外液体泄漏检测数据集，包含2474张640×640分辨率的图像，采用PascalVOC和YOLO格式双重标注。数据集包含5816个标注框，全部针对"leak"单一类别，每张图片平均2.35个标注框。数据集经过增强处理，使用labelImg工具进行矩形框标注，但未预先划分训练/验证/测试集。该数据集可用于开发液体泄漏检测模型，但不对模型精度作保证。相关资源可在da

摘要：该人行为检测数据集包含6549张图像，采用VOC+YOLO双格式标注，含6种行为类别（跌倒、坐姿等）。数据集共标注13307个目标框，其中"fall"类别占比最高（3399框）。图像分辨率多样（1920x1080等），已进行数据增强处理。特别说明：1）需自行划分训练/验证/测试集；2）未对模型精度作保证。数据集通过labelImg工具标注，提供类别统计信息但未公开类别顺序

该数据集包含61种动物类别，共计22,755张图片（640x640分辨率），采用PascalVOC和YOLO格式标注。数据集包含26,372个标注框，涵盖熊、猫、大象等常见动物及蝴蝶、蝎子等特殊物种。其中蝴蝶（3,163框）、猴子（1,208框）等类别样本较多，而仓鼠（40框）、考拉（57框）等相对较少。数据未划分训练/验证/测试集，需用户自行处理。标注通过labelImg工具完成，仅含矩形框标注

本文介绍了一个管道漏水检测数据集，包含2727张640x640分辨率图片，采用PascalVOC和YOLO格式双重标注。数据集包含3507个标注框，单一类别"leak"覆盖全部图片。使用labelImg工具进行矩形框标注，数据经过增强处理。特别说明：1）未划分训练/验证/测试集；2）不保证模型训练效果。该数据集适用于漏水检测相关研究。

摘要：该数据集包含2051张600x600分辨率的海上目标图片，提供PascalVOC和YOLO两种标注格式（各2051个文件）。包含9类目标：航空母舰(317框/302图)、船(338/168)、浮标(283/261)、货船(419/225)、渔船(321/231)、直升机(372/229)、灯塔(310/298)、客船(330/209)、军舰(380/300)，总标注框数3070个。数据集未划

该数据集包含854张易拉罐瓶盖缺陷检测图像，格式为640x640分辨率，提供PascalVOC和YOLO两种标注格式。数据集包含3个类别：易拉罐(can)、孔洞(hole)和划痕(scratch)，共1832个标注框。其中can标注854个，hole标注374个，scratch标注604个。所有图片均使用labelImg工具进行矩形框标注，未进行数据增强。数据集未划分训练/验证/测试集，需用户自行