Advertisement

输电杆塔与输电线路(TTPLA)图像检测及分割数据集(COCO格式,包含语义分割和目标检测标注).zip

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:7Z


简介:
本数据集提供了采用COCO格式的TTPLA图像,涵盖输电杆塔与线路,内含详尽的目标检测和语义分割标签。 该数据集包含超过1200张图片,采用COCO格式进行标注,并分为训练集、验证集和测试集。每张图片都包含了分类、分割及目标检测的详细标签信息。文件名为“输电杆塔和输电线路图像检测+分割数据集.zip”。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 线(TTPLA)(COCO,).zip
    优质
    本数据集提供了采用COCO格式的TTPLA图像,涵盖输电杆塔与线路,内含详尽的目标检测和语义分割标签。 该数据集包含超过1200张图片,采用COCO格式进行标注,并分为训练集、验证集和测试集。每张图片都包含了分类、分割及目标检测的详细标签信息。文件名为“输电杆塔和输电线路图像检测+分割数据集.zip”。
  • 肺部癌症(Lung-Cancer)(zip文件, COCO, )
    优质
    本数据集提供了一系列以COCO格式存储、用于肺部癌症检测和分割的高质量医学影像,包括详细的语义分割和目标检测标注。 肺部癌症检测+分割数据集包含超过1400张图片,标签格式为coco文件,其中包括分类、语义分割及目标检测的标注信息。
  • 线700余张签)
    优质
    该数据集包含了超过700张高质量的输电线路图像及其对应的精确分割标签,旨在促进电力系统维护中的自动化与智能化研究。 输电线路语义分割图像数据集包含700多张图像及其对应的分割标签。
  • 线线1242张签,附网盘下载链接)
    优质
    这是一个包含了1242张图片及其对应分割标签的数据集,专注于电力工程中的输电线路杆塔和导线的识别。方便研究者通过网盘下载进行深度学习训练与测试。 输电线路杆塔、导线分割图像数据集包含1242张图像及对应的json格式标签文件,标签采用yolo格式标注,涵盖杆塔、绝缘子、导线等元素。该数据集适用于语义分割与实例分割任务。
  • 转换为
    优质
    本文探讨了一种创新方法,用于将语义分割数据集中的像素级标签高效转化为目标检测任务所需的边界框标注,旨在促进数据在不同视觉识别任务间的复用性。 这是一个代码,用于将精细标注的语义分割(多边形标注的json文件)转换为目标检测框标注,并生成yolo需要的txt文件。可以按照需求调整输出格式。
  • :MS COCO 2017 instances_val2017_3000.json
    优质
    本研究聚焦于分析MS COCO数据集中的instances_val2017子集,通过探索性数据分析方法,深入挖掘图像中物体的检测与分割规律。 使用随机采样的3000张图片及其数据和标注进行快速验证模型效果可以节约时间。
  • 实验四
    优质
    本课程为计算机视觉实验系列之四,专注于目标检测和语义分割技术的实际应用。学生将通过编程实践深入理解并掌握相关算法原理及其在图像处理中的作用。 实验四:目标检测与语义分割实验四涵盖了目标检测与语义分割的相关内容。
  • 线(YOLO+VOC) 2127张.zip
    优质
    本数据集包含2127张图像及其标注文件,适用于YOLO和VOC格式的目标检测任务,专注于识别与分类电线杆。 数据集格式:VOC格式+YOLO格式 压缩包内包含三个文件夹: - JPEGImages 文件夹存储图片(jpg 格式),共 2127 张。 - Annotations 文件夹存放 xml 文件,共计 2127 个。 - labels 文件夹中则有 txt 文件,数量为 2127。 标签种类:单一类别 名称:[telegraph pole] 各类别框数: telegraph pole 的标注框共有 2700 个 总标注框计数:2700 图片质量与分辨率: - 清晰度良好,像素清晰。 - 图片未经过增强处理。 标签类型: 矩形框形式用于目标检测任务。 备注说明:暂无特别需要强调的内容。 特别声明:本数据集不对训练模型或权重文件的精度提供任何保证,所提供的仅是准确且合理的标注信息。
  • 代码
    优质
    本项目提供了一套用于目标检测任务的数据集分割代码,帮助研究人员和开发者高效地进行训练、验证及测试数据的划分。 将代码下载到本地文件,在同级目录下创建一个名为data的文件夹,并在其中新建source_images和txt两个子文件夹。source_images文件夹用于存放原始图片文件,txt文件夹则用于存放标记好的标签。可以在代码中调整训练集、验证集和测试集的比例。