​带标注的情绪识别数据集，可识别伤心，生气，高兴，中立四种表情，识别率85.6%，800张图，支持yolo，coco json，voc xml,文末有模型训练代码。

​带标注的警察民警识别数据集，可识别警察和非警察2种标签， 357张图，支持yolo，coco json，voc xml,文末有模型训练代码。

​带标注的交警识别数据集，可识别交警和非交警，5587张图，支持yolo，coco json，voc xml,文末有模型训练代码。

​带标注的交警指挥手势识别数据集，可识别停车，变道，左转，直行，减速等八种手势， 6454张图，支持yolo，coco json，voc xml,文末有模型训练代码。

​带标注的泳池人员行为数据集，识别率74.8%，可识别蹲姿，站立，游泳，4327张图，支持yolo，coco json，voc xml,文末有模型训练代码。

​带标注的交警指挥手势识别数据集，识别率97.9%，可识别停车，右转等8种手势，1731张图，支持yolo，coco json，voc xml,文末有模型训练代码。

​带标注的游泳池里人员身份识别数据集，识别率81.3%，可识别教练，小孩，男人，女人，217张图，支持yolo，coco json，voc xml,文末有模型训练代码。

文末附有完整的模型训练代码，助你从零开始训练自己的缺陷检测模型。在建筑装修、工程质检和智能制造领域，地面瓷砖的表面缺陷检测是一项重要且具有挑战性的任务。随着计算机视觉技术的发展，基于深度学习的自动缺陷检测方案逐渐成为主流，而一个高质量、标注精细的数据集是模型成功的关键。下图展示了数据集中部分原图及其对应的标注可视化效果，可以清晰看到边界框（Bounding Box）与缺陷类型的对应关系。我们对数据

​带标注的跌倒检测数据集，识别率88.6%，10793张图，支持yolo，coco json，voc xml,文末有模型训练代码可识别常见的跌倒或者摔倒姿势，场景较多，包含运动场，马路街道，医院，广场等场景下的跌倒摔倒图片。

​带标注的工业零件表面缺陷识别数据集，识别率73.7%，4312张图，可识别划痕，颜色质感不均匀斑块，裂纹，异物，凹坑，铁皮氧化层6种缺陷，支持yolo，coco json，voc xml,文末有模型训练代码。