AI-exp-5/datasets/valid/labels/-10-1_mp4-56_jpg.rf.1cd1889395b94a5d94f13e552b50bedd.txt

1 0.4870756171875 0.9220679010416667 0.47646604931640624 0.9233539095052082 0.47935956787109374 0.991512345703125 0.48804012353515625 0.991512345703125 0.4870756171875 0.9220679010416667
0 0.47935956787109374 0.005144033203125 0.46875 0.005144033203125 0.47067901220703123 0.07458847721354167 0.47935956787109374 0.07458847721354167 0.47935956787109374 0.005144033203125
2 0.6655092592773437 0.9104938274739584 0.510223765625 0.5246913580729167 0.5140817900390625 0.49125514388020836 0.5015432099609375 0.46296296289062505 0.4658564814453125 0.46424897135416665 0.44945987646484375 0.498971193359375 0.46199845703125 0.5311213990885416 0.486111111328125 0.54140946484375 0.6577932099609375 0.9143518515625 0.6655092592773437 0.9104938274739584
feat(datasets): 添加新的训练和验证数据标签 - 在 train 和 valid 文件夹中添加了多个新的标签文件 - 标签文件包含了不同类型的目标检测框坐标和类别 - 新增数据有助于模型训练和性能提升 2025-06-06 10:07:28 +00:00			`1 0.4870756171875 0.9220679010416667 0.47646604931640624 0.9233539095052082 0.47935956787109374 0.991512345703125 0.48804012353515625 0.991512345703125 0.4870756171875 0.9220679010416667`
			`0 0.47935956787109374 0.005144033203125 0.46875 0.005144033203125 0.47067901220703123 0.07458847721354167 0.47935956787109374 0.07458847721354167 0.47935956787109374 0.005144033203125`
			`2 0.6655092592773437 0.9104938274739584 0.510223765625 0.5246913580729167 0.5140817900390625 0.49125514388020836 0.5015432099609375 0.46296296289062505 0.4658564814453125 0.46424897135416665 0.44945987646484375 0.498971193359375 0.46199845703125 0.5311213990885416 0.486111111328125 0.54140946484375 0.6577932099609375 0.9143518515625 0.6655092592773437 0.9104938274739584`