Advertisement

VOC格式轮胎缺陷数据集（训练集884张，测试集46张）

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

简介：
这是一个包含930张图像的数据集，专为检测轮胎表面缺陷设计，其中训练集有884张图片，测试集则包含46张图片。通过标注VOC格式的XML文件，便于使用各种机器学习框架进行目标检测和分类研究。 我们有一个VOC格式的轮胎缺陷数据集，包含884张训练图像和46张测试图像，适用于深度学习中的YOLO框架。每一张图片都有对应的XML格式标注文件。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • VOC格式轮胎缺陷数据集（训练集884张，测试集46张）
    优质
    这是一个包含930张图像的数据集，专为检测轮胎表面缺陷设计，其中训练集有884张图片，测试集则包含46张图片。通过标注VOC格式的XML文件，便于使用各种机器学习框架进行目标检测和分类研究。 我们有一个VOC格式的轮胎缺陷数据集，包含884张训练图像和46张测试图像，适用于深度学习中的YOLO框架。每一张图片都有对应的XML格式标注文件。
     
  • 绝缘子缺陷检测数据集（VOC格式，含4086张图片，适用于YOLO训练）
    优质
    本数据集包含4086张图像，采用VOC格式存储，专为使用YOLO算法进行绝缘子缺陷检测模型训练而设计。 数据集格式：Pascal VOC（不含分割路径的txt文件和yolo格式的txt文件，仅包含jpg图片及对应的xml标注） 图片数量（jpg文件个数）：4086 标注数量（xml文件个数）：4086 标注类别数：3 标注类别名称： - jueyuanzi - posun - fangdian 每个类别的标注框数量统计： - jueyuanzi: 8019个矩形框 - posun: 1780个矩形框 - fangdian: 1144个矩形框 使用工具：labelImg 标注规则说明： - 对于jueyuanzi，需要将其整个范围进行完整地框选。 - 对于posun，则需对断裂、缺失或破损区域进行标记。 - fangdian 包括自爆痕迹和放电痕迹的定位。 特别提醒：本数据集不保证训练模型或者权重文件的精度。所提供的仅是准确且合理的标注信息。
     
  • 轮毂缺陷检测数据集（VOC+YOLO格式，含1445张图片，7个类别）.zip
    优质
    本数据集包含1445张图片及对应的标注文件，适用于轮毂缺陷检测任务。采用VOC和YOLO两种格式，涵盖7种类别，方便用户根据需求选择使用。 样本图展示如下： 文件存放于服务器，请务必在电脑端查看资源详情后再进行下载。 数据集格式为Pascal VOC与YOLO格式（不包含分割路径的txt文件，仅包括jpg图片及其对应的VOC格式xml文件和yolo格式txt文件）。 图片数量：1445张 标注数量(xml)：1445个 标注数量(txt)：1445个 标注类别总数为7类： - Blue hole - Brake Thermal Cracks - Contact Fatigue Cracks - Out Of Roundness - Peeling - Rollerpile - flat
     
  • Captcha验证码数据集：训练集20000张，测试集10000张
    优质
    本项目提供了一个包含30000张图片的Captcha验证码数据集，其中训练集有20000张，测试集为10000张，适用于验证码识别系统的模型训练与评估。 训练集带label.csv文件位于train文件夹中。图片尺寸为105*35，在使用时可以调整为120*40。此数据集适用于人工智能图片验证码识别的训练需求。
     
  • 1197张图像的受电弓数据集（VOC格式标注）训练集
    优质
    本数据集包含1197张图像及其标注文件，采用VOC格式详细记录了高速列车受电弓信息，适用于机器学习与计算机视觉领域的研究和应用。 受电弓数据集以VOC格式提供，包含1197张训练图像、114张评估图像以及57张验证图像。这些图片主要由安装在车顶的相机拍摄而成，部分则为地面拍摄所得。该数据集适用于使用YOLO与PyTorch进行目标识别任务，并且包含了jpg图像和xml文件以支持深度学习模型的训练。
     
  • [数据集][VOC][正版]奔跑检测数据集（VOC格式）- 3248张
    优质
    本数据集提供3248张图像，遵循PASCAL VOC标准，专注于奔跑动作识别与分析，适用于计算机视觉领域研究。 数据集采用Pascal VOC格式存储（不含分割的txt文件），仅包含jpg图片及对应的xml文件。 - 图片数量：3248张 - 标注数量：3248个标注文件(xml) - 标注类别数：两类 - 类别名称包括：running 和 nr - 其中，running 表示正在奔跑的场景； - 而 nr 为 not running 的缩写，代表除了奔跑外的所有负样本。 - 每个类别的标注框数量： - “running” 类别有4036个边界框 - “nr”类别有1875个边界框 此数据集使用labelImg工具进行标注。需特别说明的是，该数据集仅提供准确且合理的标签信息，并不对训练模型或权重文件的精度做出任何保证。
     
  • 轮胎瑕疵检测数据集（VOC+YOLO格式），含2154张图片，4个类别.7z
    优质
    本数据集包含2154张图像，用于轮胎瑕疵检测，支持VOC和YOLO格式，涵盖四种不同类型缺陷，适用于训练高效的瑕疵识别模型。 数据集采用Pascal VOC格式与YOLO格式（不含分割路径的txt文件），仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件。 总共有2154张图片，每一张都有相应的标注文件。 - 使用了四种不同的类别进行标注：debris、ground、side 和 side_cut。 - 各类别的具体框数如下： - debris: 1599个 - ground: 564个 - side: 188个 - side_cut: 493个 总计标注了2844个边界框。 使用的标注工具为labelImg。