Top-View Vehicle Detection Dataset
Conjunto de datos anotado de 626 imágenes vistas desde arriba, destinado a la detección de vehículos a través de YoloV8. Ideal para el análisis del tráfico, la planificación urbana y las aplicaciones integradas.
626 imágenes (640x640), 1,257 archivos en total con anotaciones en YoloV8
CC BY 4.0
Descripción
Este conjunto de datos contiene 626 imágenes anotadas en una vista desde arriba, que capturan varios tipos de vehículos (automóviles, camiones, autobuses). Cada imagen está preprocesada con una resolución de 640 x 640 y va acompañada de anotaciones en formato YoloV8. El conjunto de datos se estructura en conjuntos de entrenamiento (536 imágenes) y conjuntos de validación (90 imágenes), y los incrementos se aplican al conjunto de entrenamiento.
¿Para qué sirve este conjunto de datos?
- Entrene modelos de detección de objetos para el reconocimiento de vehículos
- Pruebe arquitecturas como YOLov8 en vistas aéreas en un entorno real
- Prototipar soluciones inteligentes de movilidad urbana o vigilancia del tráfico
¿Se puede enriquecer o mejorar?
Sí, podemos enriquecer este conjunto de datos añadiendo otras vistas urbanas, clases adicionales (peatones, motocicletas) o mediante un aumento sintético controlado. También se puede completar con sensores integrados (LIDAR, GPS) para casos multimodales.
🔎 En resumen
🧠 Recomendado para
- Ingenieros de visión integrada
- Proyectos de estudiantes de IA
- Prototipos de movilidad inteligente
🔧 Herramientas compatibles
- YOLOv8
- Roboflow
- Ultralytics
- OpenCV
- FiftyOne
💡 Consejo
Para mejorar la solidez, combine este conjunto de datos con otros ángulos o sensores (cámara de control, dron, etc.)
Preguntas frecuentes
¿Este conjunto de datos funciona directamente con Yolov8?
Sí, las anotaciones ya están formateadas para Yolov8, listas para usarse sin conversión.
¿Este conjunto de datos contiene varias clases de objetos?
No, se centra solo en la clase de «vehículos», pero esta especialización refuerza la calidad de la detección dirigida.
¿El volumen es suficiente para un modelo de producción?
Es ideal para la creación de prototipos o el ajuste, pero puede requerir datos adicionales para una implementación a gran escala.




