张小明
前端开发工程师
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
图片数量(jpg文件个数)：5724
标注数量(xml文件个数)：5724
标注数量(txt文件个数)：5724
标注类别数：3
所在github仓库：firc-dataset
标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["Drowning","Person out of water","Swimming"]
每个类别标注的框数：
Drowning (溺水) 框数 = 6583
Person out of water (水面人员) 框数 = 400
Swimming (游泳) 框数 = 3093
总框数：10076
图片分辨率：640x640
数据集是否有增强：有超过一半图片均为增强图片主要为旋转增强
使用标注工具：labelImg
标注规则：对类别进行画矩形框
重要说明：暂无
特别声明：本数据集不对训练的模型或者权重文件精度作任何保证
图片预览：
标注例子：
SimPO简化训练流程：无需奖励模型即可完成对齐优化 在大模型落地应用日益深入的今天，如何让语言模型真正“听懂”人类意图，而不是机械地生成语法正确但内容空洞的回答，已成为工业界和学术界共同关注的核心问题。传统基于强化学习的…
李华
如何科学选出最适合项目的LED灯珠？从参数到品牌的实战选型全攻略你有没有遇到过这种情况：项目进入光学设计阶段，团队争论不休——“我们用Cree吧，亮度高！”“太贵了，亿光也能满足。”“但上次用国产灯珠&am…
李华
第一章：TensorRT推理加速的核心挑战在深度学习模型部署到生产环境的过程中，推理性能成为关键瓶颈。TensorRT作为NVIDIA推出的高性能推理优化器，能够显著提升模型运行效率，但在实际应用中仍面临多重技术挑战。硬件与算子兼容性问题…
李华
微调最佳实践：不同下游任务的学习率与batch size设置 在大模型时代，我们早已告别“训练一个通用模型解决所有问题”的幻想。现实是：哪怕是最强大的预训练语言模型，在面对具体业务场景时也必须经过微调才能真正发挥作用。而当你在单…
李华
ReFT参数高效微调：在特定层注入适配器模块 在当前大语言模型（LLM）动辄数百亿、上千亿参数的背景下，全量微调已不再是大多数团队可承受的选择。显存爆炸、训练成本高昂、部署困难等问题让许多开发者望而却步。如何用最小的代价激活…
李华
视频caption生成准确率提升30%：基于最新微调策略的实践探索 在短视频日均播放量突破千亿次的今天，如何让机器真正“看懂”视频内容，已成为智能媒体、无障碍服务和内容理解领域的核心挑战。尽管大模型在图文理解上已表现出惊人能力，…
李华