Model Database's logo

Datasets:
TrainingDataPro
/
outdoor_garbage

Tasks:
Image Classification
Languages: English
Tags: code
License: cc-by-nd-4.0
Dataset card Files Community
Dataset Viewer
Auto-converted to Parquet
Viewer
image_id
int32
0
99
image
image
annotations
string
0
"[{'type': 'tag', 'label': 'is_full'}]"
74
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_full'}]"
85
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
96
"[{'type': 'tag', 'label': 'is_full'}]"
1
"[{'type': 'tag', 'label': 'is_full'}]"
12
"[{'type': 'tag', 'label': 'is_full'}]"
23
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_full'}]"
34
"[{'type': 'tag', 'label': 'is_full'}]"
45
"[{'type': 'tag', 'label': 'is_full'}]"
56
"[{'type': 'tag', 'label': 'is_full'}]"
67
"[{'type': 'tag', 'label': 'is_full'}]"
71
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
72
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
73
"[{'type': 'tag', 'label': 'is_full'}]"
75
"[{'type': 'tag', 'label': 'is_full'}]"
76
"[{'type': 'tag', 'label': 'is_full'}]"
77
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
78
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
79
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_full'}]"
80
"[{'type': 'tag', 'label': 'is_full'}]"
81
"[{'type': 'tag', 'label': 'is_full'}]"
82
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_full'}]"
83
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_full'}]"
84
"[{'type': 'tag', 'label': 'is_empty'}]"
86
"[{'type': 'tag', 'label': 'is_full'}]"
87
"[{'type': 'tag', 'label': 'is_empty'}]"
88
"[{'type': 'tag', 'label': 'is_empty'}]"
89
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
90
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
91
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
92
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
93
"[{'type': 'tag', 'label': 'is_full'}]"
94
"[{'type': 'tag', 'label': 'is_full'}]"
95
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
97
"[{'type': 'tag', 'label': 'is_full'}]"
98
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_full'}]"
99
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_full'}]"
2
"[{'type': 'tag', 'label': 'is_empty'}]"
3
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_empty'}]"
4
"[{'type': 'tag', 'label': 'is_empty'}]"
5
"[{'type': 'tag', 'label': 'is_empty'}, {'type': 'tag', 'label': 'is_scattered'}]"
6
"[{'type': 'tag', 'label': 'is_full'}]"
7
"[{'type': 'tag', 'label': 'is_full'}]"
8
"[{'type': 'tag', 'label': 'is_full'}]"
9
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
10
"[{'type': 'tag', 'label': 'is_full'}]"
11
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
13
"[{'type': 'tag', 'label': 'is_full'}]"
14
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
15
"[{'type': 'tag', 'label': 'is_empty'}, {'type': 'tag', 'label': 'is_scattered'}]"
16
"[{'type': 'tag', 'label': 'is_empty'}]"
17
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
18
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
19
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
20
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_full'}]"
21
"[{'type': 'tag', 'label': 'is_empty'}]"
22
"[{'type': 'tag', 'label': 'is_full'}]"
24
"[{'type': 'tag', 'label': 'is_full'}]"
25
"[{'type': 'tag', 'label': 'is_full'}]"
26
"[{'type': 'tag', 'label': 'is_full'}]"
27
"[{'type': 'tag', 'label': 'is_full'}]"
28
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
29
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
30
"[{'type': 'tag', 'label': 'is_full'}]"
31
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
32
"[{'type': 'tag', 'label': 'is_full'}]"
33
"[{'type': 'tag', 'label': 'is_full'}]"
35
"[{'type': 'tag', 'label': 'is_full'}]"
36
"[{'type': 'tag', 'label': 'is_full'}]"
37
"[{'type': 'tag', 'label': 'is_full'}]"
38
"[{'type': 'tag', 'label': 'is_full'}]"
39
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
40
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_full'}]"
41
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_full'}]"
42
"[{'type': 'tag', 'label': 'is_full'}]"
43
"[{'type': 'tag', 'label': 'is_empty'}]"
44
"[{'type': 'tag', 'label': 'is_empty'}]"
46
"[{'type': 'tag', 'label': 'is_full'}]"
47
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
48
"[{'type': 'tag', 'label': 'is_full'}]"
49
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_full'}]"
50
"[{'type': 'tag', 'label': 'is_full'}]"
51
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_empty'}]"
52
"[{'type': 'tag', 'label': 'is_full'}]"
53
"[{'type': 'tag', 'label': 'is_full'}]"
54
"[{'type': 'tag', 'label': 'is_full'}, {'type': 'tag', 'label': 'is_scattered'}]"
55
"[{'type': 'tag', 'label': 'is_empty'}]"
57
"[{'type': 'tag', 'label': 'is_full'}]"
58
"[{'type': 'tag', 'label': 'is_empty'}]"
59
"[{'type': 'tag', 'label': 'is_empty'}]"
60
"[{'type': 'tag', 'label': 'is_empty'}]"
61
"[{'type': 'tag', 'label': 'is_full'}]"
62
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_full'}]"
63
"[{'type': 'tag', 'label': 'is_full'}]"
64
"[{'type': 'tag', 'label': 'is_full'}]"
65
"[{'type': 'tag', 'label': 'is_empty'}, {'type': 'tag', 'label': 'is_scattered'}]"
66
"[{'type': 'tag', 'label': 'is_full'}]"
68
"[{'type': 'tag', 'label': 'is_full'}]"
69
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_empty'}]"
70
"[{'type': 'tag', 'label': 'is_scattered'}, {'type': 'tag', 'label': 'is_full'}]"

Outdoor Garbage Dataset

The dataset consisting of garbage cans of various capacities and types. Best to train a neural network to monitor the timely removal of garbage and organize the logistics of vehicles for garbage collection. Dataset is useful for the recommendation systems, optimization and automization the work of coomunity services, smart city.

Get the dataset

This is just an example of the data

Leave a request on https://trainingdata.pro/data-market to discuss your requirements, learn about the price and buy the dataset.

Content

Dataset includes 10 000 images of trash cans:

  • in different times of day
  • in different weather conditions

Types of garbage cans capacity

  • is_full - at least one of the trash cans shown in the photo is completely full. This type includes filled to the top, overflown cans.
  • is_empty - garbage cans have free space, it could be half full or completely empty.
  • is_scattered - the tag is added with is_empty or is_full. The tag means that the garbage (volumetric garbage bags, or building waste, but not single elements) is scattered nearby.

Data Format

Each image from img folder is accompanied by an XML-annotation in the annotations.xml file indicating the labeled types of garbage cans capacities for each image in the dataset.

Example of XML file structure

**TrainingData**

More datasets in TrainingData's Kaggle account: https://www.kaggle.com/trainingdatapro/datasets

TrainingData's GitHub: https://github.com/Trainingdata-datamarket/TrainingData_All_datasets

Downloads last month
8
Edit dataset card
Evaluate models HF Leaderboard
Size of downloaded dataset files:
608 MB
Size of the auto-converted Parquet files:
608 MB
Number of rows:
100