Advertisement

螺丝螺母检测数据集(VOC+YOLO格式,含2100张图片,13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2100张图像及对应的标注信息,适用于螺丝和螺母的检测任务。涵盖13种类别,提供VOC与YOLO两种格式,便于研究者进行模型训练与测试。 数据集格式为Pascal VOC格式与YOLO格式(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):2100 标注数量(xml文件个数):2100 标注数量(txt文件个数):2100 标注类别总数为13,具体包括以下类型: 六角螺栓、双六角柱、T型螺丝、法兰螺母、六角支柱、键条、六角螺母、水平气泡、六角钢柱、塑料垫片支柱、弹簧垫圈、矩形螺母和圆头螺丝。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • VOC+YOLO210013).7z
    优质
    本数据集包含2100张图像及对应的标注信息,适用于螺丝和螺母的检测任务。涵盖13种类别,提供VOC与YOLO两种格式,便于研究者进行模型训练与测试。 数据集格式为Pascal VOC格式与YOLO格式(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):2100 标注数量(xml文件个数):2100 标注数量(txt文件个数):2100 标注类别总数为13,具体包括以下类型: 六角螺栓、双六角柱、T型螺丝、法兰螺母、六角支柱、键条、六角螺母、水平气泡、六角钢柱、塑料垫片支柱、弹簧垫圈、矩形螺母和圆头螺丝。
  • 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。
  • .zip
    优质
    本数据集包含大量用于自动化识别与分类的螺母和螺丝图像及其详细参数信息,适用于机器学习模型训练与测试。 这是一个非常干净且小巧的目标检测数据集,仅包含螺丝和螺母两种类别的目标,背景为干净的培养皿。该数据集共有约420张图片,其中train.txt文件描述了每张图片中的目标信息,label_list文件则列出了类别详情。此外还有一个验证集合,包括10张图片,并且eval.txt文件以与train.txt相同的格式描述这些图片中的目标信息。
  • 小麦病害VOC+YOLO),899,12.7z
    优质
    本数据集包含899张图片及12种类别的小麦病害标注信息,同时提供VOC和YOLO两种格式文件,便于模型训练与检测。 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文件及yolo格式txt文件。 - 图片数量:899张 - 标注数量(xml文件):899个 - 标注数量(txt文件):899个 标注类别包括12种,具体如下: - CrownAndRootRot 框数 = 268 - HealthyWheat 框数 = 282 - LeafRust 框数 = 131 - PowderyMildew 框数 = 323 - WheatAphids 框数 = 173 - WheatCystNematode 框数 = 103 - WheatLooseSmut 框数 = 171 - WheatRedSpider 框数 = 182 - WheatScab 框数 = 300 - WheatSharpEyespot 框数 = 105 - WheatStalkRot 框数 = 136 - WheatTake-all 框数 = 117 总框数:2291个。 使用标注工具为labelImg,规则是对类别进行矩形框标注。
  • 齿轮瑕疵VOC+YOLO),2978,3.7z
    优质
    本数据集提供了一个包含2978张图片的齿轮瑕疵检测资源库,采用VOC与YOLO双格式标注,涵盖三种不同类型的缺陷。 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):2978 标注数量(xml文件个数):2978 标注数量(txt文件个数):2978 标注类别数:3 标注类别名称:[break, lack, scratch] 每个类别标注的框数: - break 框数 = 1000 - lack 框数 = 980 - scratch 框数 = 4317 总框数:6297 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。
  • 轮胎瑕疵VOC+YOLO),2154,4.7z
    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。
  • 石油泄漏VOC+YOLO6633,1).7z
    优质
    本数据集包含6633张图像,采用VOC和YOLO格式标注,专注于单一类别的石油泄漏检测,旨在提升环境监测技术的精确性和效率。 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):6633 标注数量(xml文件个数):6633 标注数量(txt文件个数):6633 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 = 8754 总框数:8754 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:数据集包含增强图片,请仔细查看图片斟酌下载。 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。
  • 棉花叶病害VOC+YOLO),977,22.7z
    优质
    本数据集提供针对棉花叶片病害的图像识别训练素材,包含977幅图片及22种不同的病害分类标签,支持VOC与YOLO两种格式。 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 格式的 txt 文件) 图片数量(jpg 文件个数):977 标注数量(xml 文件个数):977 标注数量(txt 文件个数):977 标注类别数:22 重要说明:所有图像的分辨率为 640x640,请仔细查看图片预览以确认是否符合实际项目需求。下载前请务必参考相关博文,确保数据集满足项目的具体要求。