Advertisement

铁路轨道裂纹图像数据集。

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

简介：
CrackForest数据集包含151张道路裂缝图像，并附带相应的Ground Truth标注，所有数据均为图像格式。 您现在可以立即下载该数据集。 该数据集适用于语义分割和图像分割任务。 资源于2018年12月19日上传，文件大小为9.42MB。 Tom Hardy 是一位关注者，他上传了此资源并获得了积分和勋章。 请注意下载频道的相关公告及规则调整（V11.10），以及用户反馈专区和积分规则调整（V...）。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 铁路轨道裂纹图像数据库
    优质
    本数据库汇集大量铁路轨道裂纹高清图片，旨在为研究人员及工程师提供一个可靠的数据集，用于开发和测试自动检测算法，提升轨道安全维护水平。 CrackForest数据集包含151张道路裂缝图像及其Ground Truth,均为图像格式。该资源适用于语义分割及图像分割领域。上传时间: 2018-12-19，资源大小为9.42MB。 Tom Hardy 提供了此资源，并鼓励用户通过上传自己的资源来赚取积分和勋章。
     
  • 铁轨裂纹数据集（续篇）
    优质
    本数据集为《铁轨裂纹检测》的后续研究提供支持，包含更多铁轨表面缺陷图像及标注信息，旨在优化机器学习模型以提高铁路安全。 这个数据集是自己制作的铁轨裂纹数据集，使用LabelImg软件进行标注，格式为VOC2007。数据集包含14010张图片。这是第二部分，第一部分请下载另一个压缩包，即VOC2007第一部分。
     
  • 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。
     
  • 基于图像处理的铁路轨道裂纹检测系统：准确识别并测量任意表面（如铁路轨道）上裂纹的长度- MATLAB开发
    优质
    本项目开发了一套基于图像处理技术的铁路轨道裂纹检测系统，能够精准地在各种复杂表面上定位、识别及量化裂纹。利用MATLAB进行算法设计与实现，有效提升轨道安全监测效率和准确性。 为了清晰地区分前景与背景并精确检测裂纹及其长度（相对于像素），将执行某些形态学操作。在此之前，图像会经过滤波处理以去除噪声。
     
  • RSDDs铁路轨道表面缺陷数据集
    优质
    RSDDs铁路轨道表面缺陷数据集是一个专门用于检测和分类铁路轨道表面各种损伤类型的高质量图像数据库，旨在提高轨道维护效率与安全性。 RSDDs铁轨表面缺陷数据集包含了用于检测和分析铁路轨道表面各种缺陷的图像和相关信息。该数据集旨在帮助研究人员开发更有效的算法来识别并修复铁路轨道上的问题，从而提高运输安全性和效率。
     
  • 路面裂缝图像分割数据集
    优质
    本数据集包含大量路面裂缝高清图片，旨在通过机器学习技术实现高效准确的裂缝识别与分类，促进道路维护工作的智能化。 道路裂缝图像分割数据集已经划分好了训练、测试和验证集。
     
  • YOLO地面裂纹数据集
    优质
    简介：YOLO地面裂纹数据集是一个专为检测与识别道路表面裂缝设计的专业数据库，采用先进的YOLO算法优化模型训练，提升路面维护效率和交通安全水平。 共有4000多个数据集，已经划分好训练、验证和测试集，并且格式为YOLO格式，可以直接用于训练。
     
  • YOLO铁轨裂纹检测数据集（包含1000张图像及VOC、COCO、Yolo三类标签）+划分脚本+训练指南.rar
    优质
    该资源包提供了一套针对铁轨裂纹检测的数据集，内含1000张标注清晰的图片以及VOC、COCO和YOLO格式的标签文件。此外还包含了数据集的划分脚本与详细的训练指南，帮助用户快速上手进行模型训练。 YOLO铁轨裂纹检测数据集包含真实场景的高质量图片，并且涵盖了多种不同的应用场景。使用lableimg软件进行标注，确保了高精度的边界框质量。该数据集提供了VOC（xml）、Coco（json）以及Yolo（txt）三种格式的标签文件，分别存储在各自的目录中，可以直接用于YOLO系列的目标检测任务。 此外还附赠有搭建YOLO环境、训练案例教程及数据划分脚本等资料，用户可以根据自身需求灵活地对数据集进行切分以适应不同的训练、验证与测试用途。
     
  • 道路裂缝数据集的语义分割
    优质
    本项目致力于构建和应用专门针对道路裂缝检测的语义分割数据集，通过深度学习技术提高路面维护效率与安全性。 语义分割道路裂缝数据集适用于进行道路裂缝的语义分割任务，并且所有标签都是纯手工制作完成的。该数据集中共有120张原始图片及对应的标注后的json文件共120个。博主使用此数据集训练后，精度能够达到80%以上，可以说效果相当不错。资源免费开放下载，希望能帮助到大家。