Advertisement

铁路接触网异物图像数据集（166张）

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

简介：
本数据集包含166张铁路接触网异物图片，旨在为相关研究与检测系统提供训练和测试资源，助力提高铁路安全管理水平。 由于拍摄的图像中铁路接触网异物数量极少，需要手动为铁路接触网异物数据集添加不良状态样本。该数据集包含166张图片，供研究铁路相关病害检测的学者使用。此数据集主要用于神经网络训练。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 铁路接触网异物图像数据集（166张）
    优质
    本数据集包含166张铁路接触网异物图片，旨在为相关研究与检测系统提供训练和测试资源，助力提高铁路安全管理水平。 由于拍摄的图像中铁路接触网异物数量极少，需要手动为铁路接触网异物数据集添加不良状态样本。该数据集包含166张图片，供研究铁路相关病害检测的学者使用。此数据集主要用于神经网络训练。
  • 铁路接触网监控视频与组件图像数据集
    优质
    本数据集包含大量铁路接触网监控视频及关键组件特写图片，旨在支持自动检测和故障诊断研究。 铁路接触网监控视频及组件图片数据集
  • 免费的铁路接触网512x512数据集
    优质
    本数据集提供一套高质量、完全免费的铁路接触网图像资源，尺寸统一为512x512像素，适用于铁路系统维护与检测的人工智能模型训练。 由于拍摄的铁路接触网图像较少，本段落供研究铁路相关病害检测的学者使用。该数据集主要用于神经网络训练，包含若干张图片。
  • 铁路轨道螺栓图像数据集（47张）
    优质
    本数据集包含47张铁路轨道螺栓的高质量图片，旨在为机器学习模型提供训练素材，以提升对铁路基础设施关键部件缺陷检测的准确性。 为铁道病害检测研究方向的学者提供数据集资源。本数据集包含47张铁道固定螺栓的图像。如需更多相关数据集，请评论告知，作者会第一时间放出供学者研究使用。
  • 基于小样本的高速铁路接触网图像检测竞赛分析-ICIG数据集
    优质
    本研究针对高速铁路接触网的小样本图像检测问题，对ICIG数据集进行深入分析，旨在推动该领域算法和模型的发展。 基于小样本的高速铁路接触网图像检测分析竞赛使用了ICIG数据集。
  • 输电线路异物检测图像数据集（含230张图片及VOC标签）
    优质
    本数据集包含230张图片及其对应的VOC格式标注文件，专门用于训练和测试输电线路异物检测算法模型。 数据集包含230张输电线路异物图像原图，并对其中的异物进行了标注，标签格式为VOC格式。
  • 含标注的输电线路异物数据集近5000张图片
    优质
    本数据集包含接近5000张带有详细标注的输电线路异物图像，旨在支持电力设施监控和维护中的异常检测研究。 这段文字描述了输电线上可能出现的各种异物，包括气球、风筝和塑料袋，并且已经完成了相关标注工作。
  • 智慧交通铁路异物入侵检测数据集VOC+YOLO格式802张7类别
    优质
    本文档是一份智慧交通铁路领域异物入侵检测的数据资源包，其格式严格遵循Pascal VOC规范，并提供了YOLO格式的标注信息文件。该数据集总计包含802张铁路场景背景图片，每张图片均附有对应的标记文件。这些标记文件由两部分组成：一部分为VOC格式的XML文件，另一部分则采用YOLO格式的TXT文件。数据集中涉及的类别共有7种，具体包括火车、桶、摩托车、人、石头、车辆和木材。每个类别所含的标注框数量各异，例如火车类目标框数达到242个，桶类有95个目标框，其余类别依此类推，总计标记框数达1767个。数据集的标注操作使用labelImg工具完成，其依据特定规则对图片中的目标对象绘制边界框并赋予标签框号。所标记的对象涵盖了所有可能对铁路交通安全构成威胁或阻碍的异物类型，目的是通过高精度模型实现精准的目标检测。这些目标包括人、石头、木材、车辆以及摩托车等。需要注意的是，尽管数据集的标注信息准确无误，但数据集提供者不对由此训练出的模型或权重参数的性能质量作出任何承诺和保证。用户在获取数据集后可通过图片预览功能查看具体样本，并参考标注示例深入了解数据集结构及标注规范，以便在机器学习与深度学习领域中应用于目标检测任务。该数据集的目的在于支持智慧交通系统的发展，特别是在铁路安全监控方面，通过计算机视觉技术实现对铁路异物入侵的自动感知与预警，从而保障铁路运输的安全性和流畅性。
  • 输电线路异物数据集（VOC格式）含标注-295张图片
    优质
    该数据集包含295张已标注图像，采用VOC格式存储，主要用于训练和测试识别输电线路中异物的相关算法模型。 数据集格式采用Pascal VOC标准（不含分割路径的txt文件及yolo格式的txt文件），仅包含jpg图片与对应的xml标注文件。 - 图片数量：295张（jpg文件） - 标注数量：295份（xml文件） - 标注类别数：1类 - 标签名称：yw 每个yw标签共对应304个矩形框。 使用工具为labelImg，标注规则是围绕目标物体绘制矩形框。 重要说明：在网上找到的输电线异物悬挂数据集质量普遍较低。因此，我亲自从视频中截取并爬取图片进行标记工作。然而由于网络上可用资源有限，最终仅收集到295张图像。 特别提示：本数据集中提供的标注信息准确且合理，但不保证基于此训练出的模型或权重文件能达到特定精度要求。