Advertisement

电力场景电气设备红外图像变压器检测的数据集包含4271张图片且分为14个类别采用VOC与YOLO格式.zip

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

简介：
样本图放置于博客文章中详细说明了数据集的具体内容：将样本图放置于博客文章中详细说明了数据集的具体内容：该资源包包括一张图片及其对应的VOC格式XML文件和YOLO格式TXT文件，请确保在电脑端先查看资源预览再进行下载操作以避免因网络问题导致的数据丢失风险。具体来说该数据集包含以下内容：图片格式为JPG文件类型总共有4271张图片；每个JPG图片都附带一个VOC格式XML标签文件以及一个不带分割路径的YOLO格式TXT标签文件；具体分类数目共计14类其分类名称分别为ACBCTConectionConnectionLASBS MCCBMOFPTVCBbodyconnectioncore等14个类别

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 电力系统变电站红外检测数据集（VOC+YOLO格式，含6042张图片，21个类别）.zip
    优质
    该资料提供一个包含6042张图像和21类别的电力系统变电站红外检测数据集，适用于目标检测任务，支持VOC及YOLO格式。 样本图的文件较大，请在电脑端资源详情页面下载。 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)：6042 标注数量(xml文件个数)：6042 标注数量(txt文件个数)：6042 标注类别总数为21，具体名称如下： - Arrester body - Arrester voltage equalizing ring - Breaker - Breaker connector - Breaker support insulator - Casing connector - Casing general hat - Casing porcelain sleeve - Casing pressure equalizing ring - Current transformer connector - Current transforme
  • 电力场景下的目标检测数据集（VOC+YOLO格式），含476张图片和5个类别，压缩包为.7z格式。
    优质
    本数据集包含476张电力场景图像，涵盖五种特定类别目标，采用VOC与YOLO兼容格式，并以.7z文件形式提供。 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）：476 标注数量（xml文件个数）：476 标注数量（txt文件个数）：476 标注类别数：5 标注类别名称：[damper, insulator, plate, spacer, tower] 每个类别标注的框数： - damper 框数 = 1501 - insulator 框数 = 310 - plate 框数 = 81 - spacer 框数 = 251 - tower 框数 = 252 总框数：2395 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。
  • 电力场景输电线路外部破坏检测数据集（VOC+YOLO格式，含5187张图片，6个类别）.zip
    优质
    本数据集包含5187张图片和6种类别标签，采用VOC及YOLO格式标注，旨在支持电力场景下输电线路外部破坏的检测与识别研究。 样本图：请在电脑端资源预览查看并下载。 重要说明：数据集包含1000多张原图及增强后的图片，并已全部标注完成。 数据格式：Pascal VOC格式与YOLO格式（不含分割路径的txt文件，仅含jpg图片、VOC格式xml文件和yolo格式txt文件）。 图片数量(jpg)：5187 标注数量(xml)：5187 标注数量(txt)：5187 类别数及框数： - 标注类别名称包括[backhoe, building, crane, tower, tree, truck] - backhoe 框数 = 2638 - building 框数 = 8789 - crane 框数 = 1322 - tower 框数 = 6954 - tree 框数 = 4009 - truck 框数 = 3922 总框数：27634 使用标注工具：labelImg 标注规则：对类别进行矩形框标记。
  • 电力设备漏油检测数据集（VOC+YOLO格式，含338张图片，1个类别）.7z
    优质
    这是一个包含338张图像的数据集，用于电力设备漏油的视觉对象检测任务，采用VOC和YOLO兼容格式，专注于单一类别识别。 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）：338 标注数量（xml文件个数）：338 标注数量（txt文件个数）：338 标注类别数：1 标注类别名称：[oil] 每个类别标注的框数： oil 框数 = 372 总框数：372 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。
  • 电力场景输电线悬垂线夹检测数据集（VOC+YOLO格式，含2538张图片，2个类别）.7z
    优质
    该数据集包含2538张图像和两个类别的标注信息，以VOC及YOLO格式提供电力场景输电线悬垂线夹的检测数据，支持训练与评估相关识别模型。 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)：2538 标注数量(xml 文件个数)：2538 标注数量(txt 文件个数)：2538 标注类别数：2 标注类别名称:[Yoke,Yoke Suspension] 每个类别标注的框数： Yoke 框数 = 1747 Yoke Suspension 框数 = 6149 总框数：7896 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
  • 猫行为检测数据集采用VOC与YOLO格式，包含5997张图片，共五个类别
    优质
    该资源为[数据集][目标检测]形式的“猫的行为识别”数据集，采用VOC与YOLO融合的格式，包含5,997张图片，涵盖5个分类类别。
  • 电气类变压器红外图像数据集（含300余张图片）
    优质
    本数据集提供了涵盖多种故障模式的电气类变压器红外图像，共包含超过300张图片，旨在促进变压器热异常检测研究。 内含变压器红外图像数据集，包含300多张无标签图片，主要展示不同配置下的变压器红外图像。该数据集适用于电气工程专业在计算机视觉应用领域的研究工作，例如目标检测、图像识别及深度学习等项目。相关下载链接和提取码信息可在配套的txt文件中找到，请放心下载使用。
  • 电力场景输电线覆冰检测数据集（VOC+YOLO格式）148张1类别.zip
    优质
    文件体积过大，建议暂存在服务器中下载。在下载之前，请先访问资源详情页面，查看并下载所需内容。样本图片链接：https://blog..net/2403_88102872/article/details/143981057。数据集格式：Pascal VOC格式与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）：148。标注数量（xml文件个数）：148。标注数量（txt文件个数）：148。标注类别数：1。标注类别名称：[ice]。每个类别标注的框数：ice类别共有214个框。总框数：214。使用标注工具：labelImg。采用labelImg工具进行标注。标注规则：对类别进行画矩形框。特别说明：本数据集不保证对训练的模型或权重文件精度有任何保证，数据集仅提供准确且合理标注。
  • 光伏板红外过热检测数据集（VOC+YOLO格式，含1166张图片，2个类别）.zip
    优质
    本数据集包含1166张图像，采用VOC与YOLO两种标注格式，专注于光伏板的红外过热检测，涵盖两类目标，旨在促进光伏系统故障诊断的研究与发展。 样本图：请访问服务器下载资源，并务必在电脑端预览后进行下载。 数据集格式包括Pascal VOC和YOLO格式（不包含分割路径的txt文件，仅包含jpg图片、VOC格式xml文件以及yolo格式txt文件）。 - 图片数量（jpg文件个数）：1166 - 标注数量（xml文件个数）：1166 - 标注数量（txt文件个数）：1166 - 类别总数：2 - 类别名称包括defect_diode和defect_hotspot。 - 每类标注框的数量： - defect_diode: 2034个框 - defect_hotspot: 3819个框 总标注框数量为5853。 使用工具：labelImg 标注规则：对类别进行矩形标记 重要说明：暂无特别说明。 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，仅确保提供的注释准确合理。