目标检测中用到的数据集
时间: 2023-11-20 14:23:12 浏览: 44
以下是一些常用的目标检测数据集:
1. COCO (Common Objects in Context):包含超过330K张图像,包含80种常见的物体类别。
2. Pascal VOC (Visual Object Classes):包含20种不同的物体类别,共有20K张图片。
3. ImageNet:包含超过1400万张图像,共有1000个类别,其中包含多个与目标检测相关的类别。
4. KITTI:包含用于自动驾驶应用的室外场景下的汽车,行人和自行车等物体的图像和视频。
5. Open Images:Google发布的大规模图像数据集,包含超过90万张图像和6000多个类别。
6. Microsoft COCO-Text:包含了超过63K张图像,其中包含了各种各样的文字。
7. WIDER FACE:包含超过32K张图像,标注了人脸的位置和尺寸。
8. SUNRGBD:包含超过10K张室内场景图像,其中包含了物体的位置,大小和3D信息。
9. Cityscapes:用于自动驾驶应用的城市街景图像数据集,包含25K张图像和8个类别。
10. VisDrone:包含用于无人机检测和跟踪的航拍图像和视频。
相关问题
在FineBI 中用Redis 数据集 控制报表权限
在 FineBI 中,可以使用 Redis 数据集来控制报表权限。通过在 Redis 中存储用户和角色信息以及其对应的权限信息,可以实现对报表的访问控制。
具体实现方式如下:
1. 在 Redis 中创建一个键值对,用于存储用户和角色信息以及其对应的权限信息,例如:
```
{
"user1": {
"roles": ["role1", "role2"],
"permissions": ["report1", "report2"]
},
"user2": {
"roles": ["role2"],
"permissions": ["report2", "report3"]
},
"role1": {
"permissions": ["report1"]
},
"role2": {
"permissions": ["report2", "report3"]
}
}
```
2. 在 FineBI 中创建一个 Redis 数据集,将上述键值对作为数据集的数据源,并指定数据集的 Key 前缀。
3. 在 FineBI 的报表中,使用数据集关联功能将 Redis 数据集与报表数据集进行关联,关联条件为当前用户或用户所属角色在 Redis 数据集中对应的权限数据。
4. 在报表中使用数据集过滤器,根据关联条件过滤数据,实现对报表的访问控制。
通过以上方式,可以实现基于 Redis 数据集的报表访问控制,可以有效保障报表的安全性和隐私性。
python中用pandas保存数据到本地
在Python中,可以使用pandas库来保存数据到本地。pandas提供了多种方法来保存数据,其中最常用的方法是使用DataFrame对象的to_csv()方法将数据保存为CSV文件。以下是保存数据到本地的步骤:
1. 首先,导入pandas库:
```python
import pandas as pd
```
2. 创建一个DataFrame对象,将数据存储在其中。例如,创建一个包含学生信息的DataFrame:
```python
data = {'姓名': ['张三', '李四', '王五'],
'年龄': [20, 21, 22],
'性别': ['男', '女', '男']}
df = pd.DataFrame(data)
```
3. 使用to_csv()方法将DataFrame保存为CSV文件。指定文件路径和文件名,将DataFrame中的数据保存到指定的文件中:
```python
df.to_csv('student_info.csv', index=False)
```
在这个例子中,index=False表示不保存索引列。
以上就是使用pandas保存数据到本地的简单介绍。