image
imagewidth (px) 1.92k
1.92k
| label
stringlengths 60
288
|
|---|---|
0 0.9388020833333334 0.5712962962962963 0.12239583333333333 0.26666666666666666
0 0.42161458333333335 0.9546296296296296 0.13177083333333334 0.09074074074074075
0 0.55234375 0.45787037037037037 0.1453125 0.1824074074074074 |
|
0 0.5208333333333334 0.7467592592592592 0.08333333333333333 0.2564814814814815
0 0.35546875 0.48703703703703705 0.07135416666666666 0.1111111111111111 |
|
0 0.4984375 0.3277777777777778 0.15520833333333334 0.42962962962962964 |
|
0 0.44583333333333336 0.2828703703703704 0.1625 0.21388888888888888
0 0.9041666666666667 0.23564814814814813 0.19166666666666668 0.21388888888888888
0 0.32526041666666666 0.6375 0.2484375 0.4212962962962963
0 0.11432291666666666 0.04398148148148148 0.14635416666666667 0.08796296296296297 |
|
0 0.8520833333333333 0.7 0.29583333333333334 0.6
0 0.6359375 0.2273148148148148 0.23958333333333334 0.4546296296296296 |
|
0 0.47994791666666664 0.10972222222222222 0.03177083333333333 0.026851851851851852
0 0.9088541666666666 0.19768518518518519 0.058333333333333334 0.06018518518518518
0 0.7322916666666667 0.6671296296296296 0.5354166666666667 0.6657407407407407 |
|
0 0.4940104166666667 0.2074074074074074 0.13697916666666668 0.37777777777777777 |
|
0 0.5041666666666667 0.1162037037037037 0.1625 0.2324074074074074 |
|
0 0.45390625 0.30972222222222223 0.2640625 0.46574074074074073 |
|
0 0.5713541666666667 0.7069444444444445 0.09166666666666666 0.11574074074074074
0 0.5247395833333334 0.7037037037037037 0.009895833333333333 0.05925925925925926
0 0.22526041666666666 0.7240740740740741 0.4505208333333333 0.5518518518518518 |
|
0 0.475 0.6564814814814814 0.19479166666666667 0.3962962962962963
0 0.17578125 0.7074074074074074 0.3515625 0.4425925925925926 |
|
0 0.56015625 0.011111111111111112 0.04010416666666667 0.022222222222222223
0 0.4830729166666667 0.3509259259259259 0.10572916666666667 0.27037037037037037 |
|
0 0.5565104166666667 0.30833333333333335 0.2546875 0.6166666666666667 |
|
0 0.43333333333333335 0.30925925925925923 0.08541666666666667 0.1685185185185185
0 0.40651041666666665 0.5722222222222222 0.2671875 0.42962962962962964 |
|
0 0.3953125 0.14629629629629629 0.321875 0.29259259259259257 |
|
0 0.41302083333333334 0.5856481481481481 0.25416666666666665 0.3212962962962963
0 0.021875 0.06018518518518518 0.04375 0.07222222222222222
0 0.14661458333333333 0.06666666666666667 0.058854166666666666 0.06296296296296296 |
Multi Instance Object Detection Dataset Sample
Duality.ai just released a 1000 image dataset used to train a YOLOv8 model for object detection -- and it's 100% free!
Just create an EDU account here.
This HuggingFace dataset is a 20 image and label sample, but you can get the rest at no cost by creating a FalconCloud account. Once you verify your email, the link will redirect you to the dataset page.
Dataset Overview
This dataset consists of high-quality images of soup cans captured in various poses and lighting conditions. This dataset is structured to train and test object detection models, specifically YOLO-based and other object detection frameworks.
Why Use This Dataset?
Multi Instance Object Detection: Specifically curated for detecting soup cans, making it ideal for fine-tuning models for retail, inventory management, or robotics applications.
Varied Environments: The dataset contains images with different lighting conditions, poses, and occlusions to help solve traditional recall problems in real world object detection.
Accurate Annotations: Bounding box annotations are precise and automatically labeled in YOLO format as the data is created.
Create your own specialized data! You can create a dataset like this but a digital twin of your choosing! Create an account and follow this tutorial to learn how.
Dataset Structure
The dataset is organized as follows:
Multi Instance Object Detection Dataset/
|-- images/
| |-- 000000000.png
| |-- 000000001.png
| |-- ...
|-- labels/
| |-- 000000000.txt
| |-- 000000001.txt
| |-- ...
Components
Images: RGB images of the object in .png format.
Labels: Text files (.txt) containing bounding box annotations for each class:
- 0 = soup
Example Annotation (YOLO Format):
0 0.475 0.554 0.050 0.050
0 0.685 0.264 0.070 0.128
- 0 represents the object class (soup can).
- The next four values represent the bounding box coordinates (normalized x_center, y_center, width, height).
- Multiple lines are annotations for multiple instances
Usage
This dataset is designed to be used with popular deep learning frameworks. Run these commands:
from datasets import load_dataset
dataset = load_dataset("your-huggingface-username/YOLOv8-Multi-Instance-Object-Detection-Dataset")
To train a YOLOv8 model, you can use Ultralytics' yolo package:
yolo train model=yolov8n.pt data=soup_can.yaml epochs=50 imgsz=640
Licensing License: Apache 2.0 Attribution: If you use this dataset in research or commercial projects, please provide appropriate credit.
- Downloads last month
- 5