Advertisement

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

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


简介:
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

全部评论 (0)

还没有任何评论哟~
客服
客服
  • VOC+YOLO604221).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
  • 缺陷(VOC+YOLO)8307,17.7z
    优质
    本数据集包含8307张图像及标注信息,涵盖17类变电站设备缺陷,适用于目标检测任务,采用VOC和YOLO双格式存储。压缩文件后缀为.7z。 数据集格式采用Pascal VOC与YOLO两种格式,并且不含分割路径的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):8307 - 标注数量(xml文件个数):8307 - 标注数量(txt文件个数):8307 - 标注类别总数为17,具体名称如下: - bj_bpmh - bj_bpps - bj_wkps - bjdsyc - gbps - hxq_gjbs - hxq_gjtps - jyz_pl - kgg_ybh - sly_dmyw - wcaqm - wcgz - xmbhyc - xy - yw_gkxfw - yw_nc - ywzt_yfyc
  • 光伏板过热VOC+YOLO1166,2).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。
  • 场景输线路部破坏VOC+YOLO5187,6).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。
  • 设备漏油VOC+YOLO338,1).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。
  • 隔离开关状态识VOC+YOLO50,2).7z
    优质
    本数据集包含50张图片及对应标注文件,旨在支持基于VOC与YOLO格式的电力系统隔离开关状态识别研究,涵盖正常和异常两类状态。 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):50 标注数量(xml文件个数):50 标注数量(txt文件个数):50 标注类别数:2 标注类别名称:[close, open] 每个类别标注的框数: - close 框数 = 42 - open 框数 = 8 总框数:50 使用标注工具:labelImg 标注规则:对类别进行矩形框绘制 重要说明:暂无 特别声明:本数据集不对训练模型或权重文件的精度做出任何保证,仅提供准确且合理的标注。
  • VOC+Yolo),107,1.zip
    优质
    本数据集包含107张图像及对应标注文件,涵盖单一目标类别。以VOC与YOLO双格式提供,便于快速集成至各类目标检测项目中使用。 在信息技术领域尤其是计算机视觉方面,数据集具有极其重要的作用。“虾数据集VOC格式+yolo格式107张1类别.zip”包含了一个专为检测虾类设计的图像集合,总计有107幅图片,并且这些图像是按照PASCAL Visual Object Classes(VOC)和You Only Look Once(YOLO)两种不同的标准进行标注。 首先来看一下PASCAL VOC格式。这是一种广泛应用于计算机视觉领域的数据集类型,主要用于物体识别、分割及检测任务。该格式通常包括图像文件、XML注释文档以及类别定义等组成部分。在虾的数据集中,每个图像的XML文件详细记录了虾的位置和种类信息,这对于训练目标检测模型来说至关重要。 接下来是YOLO格式。这是一种实时的目标检测系统,因其高效的性能而受到广泛欢迎。它的标注方式通常为纯文本形式,包含每张图片中所有物体位置及对应的类别标识符。相比于VOC格式的复杂性,这种简洁明了的方式更适合快速处理和应用需求,在虾数据集中同样如此。 训练一个目标识别模型(例如基于YOLO或结合使用PASCAL VOC的数据集)通常涉及以下步骤: 1. 数据预处理:根据特定模型的需求调整图像大小、进行归一化等操作。 2. 训练阶段:利用提供的训练集合(本例中为虾的107张图片),通过迭代优化来改进模型参数,从而提高其对目标对象检测的能力。 3. 验证与调优:使用验证集评估当前模型性能,并根据需要调整超参以进一步提升效果。 4. 测试阶段:最后,在未见过的数据上进行测试,确保所训练出来的模型能够良好地泛化到新的场景中。 尽管该数据集中仅包含一个类别(即虾),这虽然简化了分类任务的复杂度,但同时也可能限制了模型学习更多样化的特征。然而对于特定的应用领域而言,比如自动识别和计数海鲜产品等场合下,这样的单一类别的训练集已经足够实用且高效。 综上所述,“虾数据集VOC格式+yolo格式107张1类别.zip”为研究者们提供了一个宝贵的资源库来开发并测试针对虾的检测算法。无论是出于学术目的还是工业应用考虑,该数据集都能帮助研究人员构建出更加精准、快速的目标识别模型,并应用于诸如海鲜处理或食品安全检查等实际场景中。
  • 线路覆冰VOC+YOLO)1983,3.zip
    优质
    本数据集包含1983张图像,涵盖输电线路覆冰情况的三个分类,采用VOC与YOLO双格式存储,适用于训练智能检测模型。 样本图:请访问服务器下载资源,并务必在电脑端预览或查看详情后再进行下载。 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、VOC格式xml文件及yolo格式txt文件。 - 图片数量(jpg文件个数):1983 - 标注数量(xml文件个数):1983 - 标注数量(txt文件个数):1983 标注类别总数为3,具体如下: - ice 框数 = 3253 - line 框数 = 69 - snowline 框数 = 743 总计框数为4065。 使用工具:labelImg。对各类别进行矩形标注。 特别说明:本数据集不保证训练模型或权重文件的精度,仅提供准确且合理的标注信息。
  • 拐杖(VOC+YOLO2778,1).7z
    优质
    本数据集包含2778张图片,标注了单一物体类别——拐杖的数据,采用VOC及YOLO两种格式,适用于目标检测模型训练与测试。 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):2778 标注数量(xml文件个数):2778 标注数量(txt文件个数):2778 标注类别数:1 标注类别名称:[whitecane] 每个类别标注的框数: - whitecane 框数 = 4635 总框数:4635 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:视频采集截图图片,场景类似,请参考相关博文。