Advertisement

航空发动机缺陷检测数据集(VOC+YOLO格式),含291张图片和4个类别.7z

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


简介:
本数据集包含291张图片及四个类别的标注信息,采用VOC与YOLO格式存储,专为训练航空发动机缺陷检测模型设计。 数据集格式采用Pascal VOC与YOLO两种格式结合的方式(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)。 图片数量:291张 标注数量:291个(包括xml和txt文件) 标注类别总数为4种: 标注类别名称分别为:“crease”、“damage”、“dot”、“scratch”。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • VOC+YOLO),2914.7z
    优质
    本数据集包含291张图片及四个类别的标注信息,采用VOC与YOLO格式存储,专为训练航空发动机缺陷检测模型设计。 数据集格式采用Pascal VOC与YOLO两种格式结合的方式(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)。 图片数量:291张 标注数量:291个(包括xml和txt文件) 标注类别总数为4种: 标注类别名称分别为:“crease”、“damage”、“dot”、“scratch”。
  • 变电站(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
  • 轮毂VOC+YOLO1445,7).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
  • 轮胎瑕疵VOC+YOLO),21544.7z
    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。
  • 游泳者溺水VOC+YOLO82754).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。
  • 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。
  • 考场作弊行为VOC+YOLO44134).7z
    优质
    本数据集包含4413张图像,用于识别考试中的作弊行为,采用VOC和YOLO格式标注,涵盖4种类别,适用于训练检测模型。 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):4413 标注数量(xml文件个数):4413 标注数量(txt文件个数):4413 标注类别数:4 标注类别名称:[Cheatcode,Cheating,NonCheating,mobiledetrction] 每个类别标注的框数: - Cheatcode 框数 = 428 - Cheating 框数 = 8730 - NonCheating 框数 = 4022 - mobiledetrction 框数 = 3611 总框数:16791 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。
  • [][目标]轴承划痕VOC+YOLO1166,1).docx
    优质
    本数据集提供用于轴承划痕缺陷检测的图像样本,包含1166张图片及标注文件,支持VOC和YOLO两种格式,有助于目标检测模型训练与评估。 轴承缺陷检测在工业领域至关重要,尤其是对于那些关键的旋转部件如轴承来说更是如此。因为这些设备的状态直接影响到整个机械系统的稳定性和安全性,早期发现并处理这些问题可以避免重大事故的发生,并且减少经济损失的同时保障人员的安全。 划痕是轴承表面常见的损伤形式之一。这种类型的损坏可能会导致应力集中、加剧磨损以及缩短使用寿命等问题。为了应对这一挑战,研究人员开发了专门用于检测这些缺陷的自动方法,而构建高质量的数据集则是实现这类技术的基础条件。 本数据集专注于识别轴承上的划痕问题,并包含1,166张图片,以Pascal VOC和YOLO两种格式提供。其中每一幅图像都经过准确标注,使用的是labelImg工具进行矩形框的绘制来标定目标物体的位置信息。“scratch”(即“划痕”)是唯一的一个分类标签,在整个数据集中共有1,166个这样的标记。 除了图片之外,此数据集还提供相应的VOC格式xml文件和YOLO格式txt文件。前者记录了每个标注的精确位置及类别详情;后者则以简洁的形式提供了目标边界框的信息,便于快速检测算法的应用。 在使用本数据集进行模型训练前,请注意制作者声明不对任何由此生成的具体模型性能作出保证承诺。也就是说尽管提供的数据质量较高,但最终结果还需依赖于所选算法的特性以及额外的数据和方法来进一步优化。 实践应用中,这样的资源可以被广泛用于机器学习与深度学习框架下的实验研究,在工业视觉检测、品质控制及自动化维护等场景中有显著的应用潜力。通过训练出高效的识别模型,能够实现对轴承表面缺陷如划痕的高度自动化的快速鉴定过程,从而降低人工检查的负担和误差率,并提高整个生产流程中的效率。 总的来说,这个专门针对轴承划痕问题的数据集为科研人员和技术工程师们提供了一个有价值的资源来开发及评估计算机视觉技术在工业检测领域的应用。随着数据集不断改进和完善以及算法优化的发展趋势下,未来有望实现更加精准且高效的缺陷识别解决方案以确保机械设备的安全稳定运行。
  • 表面工业瑕疵VOC+YOLO4004).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。
  • VOC+YOLO的流水线包裹(1454).7z
    优质
    这是一个包含145张图像的数据集,采用VOC和YOLO格式,专为训练和评估机器学习模型在包裹检测任务中的性能而设计。含四个不同的包裹类别。 数据集格式:Pascal VOC格式+YOLO格式(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):145 标注数量(xml文件个数):145 标注数量(txt文件个数):145 标注类别数目:4 标注类别名称为:[bag, bigbox, box, longbox] 每个类别的框的数量: - bag: 238个框 - bigbox: 19个框 - box: 309个框 - longbox: 9个框 总框数:575 使用标注工具:labelImg 标注规则:对类别进行画矩形框