Advertisement

谢韦尔钢材瑕疵检测数据集VOC+YOLO格式含6666张图片4类别.7z

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

简介：
此数据集包含6666张图片，用于训练和测试钢材表面瑕疵检测模型，涵盖四大类缺陷。以PASCAL VOC及YOLO格式提供，便于深度学习应用开发。 数据集格式：Pascal VOC格式+YOLO格式（不包含分割路径的txt文件，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)：6666 标注数量(xml文件个数)：6666 标注数量(txt文件个数)：6666 标注类别数：4 标注类别名称:[crack, patches, pitting, scratches] 每个类别标注的框数： - crack 框数 = 321 - patches 框数 = 1911 - pitting 框数 = 3085 - scratches 框数 = 14700 总框数：20017 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，仅提供准确且合理的标注。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 谢韦尔钢材瑕疵检测数据集VOC+YOLO格式含6666张图片4类别.7z
    优质
    此数据集包含6666张图片，用于训练和测试钢材表面瑕疵检测模型，涵盖四大类缺陷。以PASCAL VOC及YOLO格式提供，便于深度学习应用开发。 数据集格式：Pascal VOC格式+YOLO格式（不包含分割路径的txt文件，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)：6666 标注数量(xml文件个数)：6666 标注数量(txt文件个数)：6666 标注类别数：4 标注类别名称:[crack, patches, pitting, scratches] 每个类别标注的框数： - crack 框数 = 321 - patches 框数 = 1911 - pitting 框数 = 3085 - scratches 框数 = 14700 总框数：20017 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，仅提供准确且合理的标注。
     
  • 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。
     
  • 齿轮瑕疵检测数据集（VOC+YOLO格式），含2978张图片，3个类别.7z
    优质
    本数据集提供了一个包含2978张图片的齿轮瑕疵检测资源库，采用VOC与YOLO双格式标注，涵盖三种不同类型的缺陷。 数据集格式：Pascal VOC格式+YOLO格式（不包含分割路径的txt文件，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)：2978 标注数量(xml文件个数)：2978 标注数量(txt文件个数)：2978 标注类别数：3 标注类别名称:[break, lack, scratch] 每个类别标注的框数： - break 框数 = 1000 - lack 框数 = 980 - scratch 框数 = 4317 总框数：6297 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，仅提供准确且合理的标注。
     
  • 铝片表面工业瑕疵检测数据集（VOC+YOLO格式，含400张图片，4个类别）.7z
    优质
    本数据集包含400张图像及对应的标注文件，适用于铝片表面瑕疵检测任务。采用VOC与YOLO双格式存储，涵盖裂纹、划痕等4种常见缺陷类型。 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）：400 标注数量（xml文件个数）：400 标注数量(txt文件个数)：400 标注类别数：4 标注类别名称: [ca_shang, zang_wu, zhe_zhou, zhen_kong] 每个类别标注的框数： - ca_shang 框数 = 270 - zang_wu 框数 = 456 - zhe_zhou 框数 = 124 - zhen_kong 框数 = 212 总框数：1062 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，仅提供准确且合理的标注。
     
  • 蚕茧瑕疵检测数据集VOC+YOLO格式523张含4类.zip
    优质
    本数据集包含523张图片及对应的标注文件，用于训练和测试YOLO模型识别四种不同类型的蚕茧瑕疵。格式兼容Pascal VOC与YOLO标准。 样本图：请到服务器资源详情查看并下载。 数据集格式为Pascal VOC与YOLO格式（不含分割路径的txt文件），仅包含jpg图片及对应的VOC xml文件和yolo txt文件。 - 图片数量(jpg文件个数)：523张 - 标注数量(xml文件个数)：523份 - 标注数量(txt文件个数)：523份 标注类别共有4种，分别为： 1. fugongiya 框数 = 1297 2. normal 框数 = 1825 3. sunken 框数 = 2110 4. surface defect 框数 = 4042 总标注框数量：9274个。 使用工具为labelImg，规则是对类别进行矩形框标记。 重要说明：暂无特别说明。
     
  • 香烟瑕疵检测数据集VOC+YOLO格式含197张图片2类别.zip
    优质
    该数据集包含197张图片和两个类别的标注信息，采用VOC与YOLO兼容格式，适用于训练和评估香烟瑕疵检测模型。 数据集格式：Pascal VOC格式+YOLO格式（不含分割路径的txt文件，仅包含jpg图片及对应的VOC格式xml文件和yolo格式txt文件） 图片数量（jpg文件个数）：197 标注数量（xml文件个数）：197 标注数量（txt文件个数）：197 标注类别数：2 标注类别名称：[kongtou, yiwu] 每个类别标注的框数： - kongtou 框数 = 100 - yiwu 框数 = 97 总框数：197 使用标注工具：labelImg 标注规则：对类别进行矩形框标记 重要说明：暂无 特别声明：本数据集不对训练的模型或权重文件精度作任何保证，仅提供准确且合理的标注。
     
  • 传送带瑕疵检测数据集（VOC+YOLO格式，含1238张图片，2个类别）.zip
    优质
    本数据集包含1238张图片，适用于传送带瑕疵检测任务，采用VOC与YOLO两种格式标注，涵盖两个类别，有助于提升模型在工业场景中的应用效果。 样本图展示的是一个包含1238张jpg图片的数据集，每张图片都对应有Pascal VOC格式的xml文件以及YOLO格式的txt文件作为标注。数据集中共有两类标注对象：crack（裂缝）与normal（正常），总共涉及了1743个矩形框用于标记。 具体来说： - crack类别下的矩形框数量为1099。 - normal类别的矩形框数量为644。 此数据集使用labelImg工具进行标注，主要任务是对图片中的物体进行画矩形框的分类操作。除了上述信息外，没有其他特别说明或要求。需要注意的是，提供者不对训练模型后的精度做出任何保证，仅确保提供的数据集内标记准确合理。
     
  • YOLO谢韦尔钢铁瑕疵识别数据集（内含20000张图像）+VOC/COCO/YOLO三类标签+划分脚本及训练指南.rar
    优质
    这是一个包含20000张图片的数据集，专为谢韦尔钢铁的缺陷检测设计，附有VOC、COCO和YOLO三种格式的标注以及详细的划分脚本与训练教程。 谢韦尔钢材缺陷检测数据集包含真实场景下的高质量图片，并且使用lableimg软件进行精确标注，提供voc(xml)、coco(json)以及yolo(txt)三种格式的标签文件，便于在YOLO系列模型中直接应用。 此外还附赠了关于如何搭建YOLO环境和训练案例的相关教程及数据集划分脚本，方便用户根据需求灵活地将数据划分为训练集、验证集与测试集。
     
  • YOLO谢韦尔钢铁瑕疵识别数据集（内含1000张图像）+VOC/COCO/YOLO三类标签+拆分脚本及培训指南.rar
    优质
    该资源包提供了一个包含1000张图像的YOLO谢韦尔钢铁瑕疵识别数据集，附带VOC、COCO和YOLO三种格式标签，以及详细的拆分脚本与培训指南。 YOLO谢韦尔钢材缺陷检测数据集包含真实场景的高质量图片，涵盖多种情况。使用lableimg软件进行标注，确保了高精度的标注框，并提供了VOC（xml）、Coco（json）以及Yolo（txt）三种格式的标签文件，分别存储在不同的文件夹内，便于直接用于YOLO系列的目标检测任务。 此外还附赠有构建YOLO环境、训练案例教程及数据集划分脚本等资源。用户可以根据需要自行调整训练集、验证集和测试集的比例与构成。
     
  • 游泳者溺水检测数据集（VOC+YOLO格式，含8275张图片，4个类别）.7z
    优质
    本数据集包含8275张图片，旨在通过VOC和YOLO格式识别四种不同类型的潜在溺水事件，以帮助开发游泳者溺水检测系统。 数据集格式采用Pascal VOC与YOLO两种格式存储（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。 - 图片数量：8275张 - 标注数量： - xml文件个数：8275份 - txt文件个数：8275份 标注类别共有4种，分别为： 1. Drowning 2. Drowning-headdown 3. Person out of water 4. Swimming 各类别的具体框数如下： - Drowning 框数 = 8835 - Drowning-headdown 框数 = 4 - Person out of water 框数 = 477 - Swimming 框数 = 5383 总计标注框数量为：14699个。 使用工具：labelImg 重要说明： 由于溺水图片较难获取，数据集中超过80%的图片是经过增强处理而来，并且大部分图像分辨率较低，请谨慎考虑是否下载。