带标注的热成像夜视拍摄的士兵，车辆，步枪识别数据集，识别率99.3%，2409张图，支持yolo，coco json，voc xml格式,文末有模型训练代码
模型训练指标参数：
模型训练图：
数据集拆分
总图数：2409 张图数
训练集
1686 张图
验证集
482 张图
测试集
241 张图
预处理
自动定向：应用
调整大小：拉伸到640x640
增强
无
数据集标签：
‘Soldier’, ‘Vehicle’, ‘assault rifle’
标签解释
Soldier：士兵、军人
Vehicle：车辆、载具
assault rifle：突击步枪
数据集图片和标注信息示例：
数据集下载：
yolo26:https://download.csdn.net/download/pbymw8iwm/92808648
yolo v12:https://download.csdn.net/download/pbymw8iwm/92808650
yolo v11:https://download.csdn.net/download/pbymw8iwm/92808649
yolo v9:https://download.csdn.net/download/pbymw8iwm/92808647
yolo v8:https://download.csdn.net/download/pbymw8iwm/92808646
yolo v7: https://download.csdn.net/download/pbymw8iwm/92808644
coco json:https://download.csdn.net/download/pbymw8iwm/92808659
pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92808645
YOLO模型训练
下载数据集之后解压到当前文件夹，然后将 我的仓库 https://gitcode.com/pbymw8iwm/YOLOProject里的训练模型脚本复制到文件夹下，假设你使用的是yolov8来训练你就用 python train_yolov8.py
模型下载：
模型验证测试情况：
验证测试代码：
#需要安装pip install ultralyticsfromultralyticsimportYOLOimportcv2# 加载训练好的 YOLO .pt 模型model=YOLO('best.pt')# 替换为你实际的 .pt 模型文件路径# 定义要测试的图片路径image_path='./image.jpg'# 替换为你实际的图片文件路径# 使用模型对图片进行预测results=model(image_path)# 获取预测结果forresultinresults:# 获取绘制了检测框的图片annotated_image=result.plot()# 显示图片cv2.imshow("YOLOv Inference",annotated_image)# 等待按键退出cv2.waitKey(0)# 关闭所有 OpenCV 窗口cv2.destroyAllWindows()
