Advertisement

管道焊接缝缺陷检测的数据集(采用VOC标注格式的xml文件,并已划分为训练集与测试集)

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


简介:
本数据集包含大量管道焊接缝图像,使用VOC xml文件标注缺陷,旨在提升机器学习模型在工业无损检测中的应用效果。数据集按比例随机分为了训练和测试两部分。 项目包含管道焊接缝缺陷检测的数据集(采用VOC格式的xml文件,并已划分为训练集和测试集)。数据以文件夹形式保存,可以直接用于目标检测任务,无需额外处理。 图像分辨率为800*800的RGB图片,属于管道焊接缝隙缺陷检测类别。该数据集中包含两类:good 和 bad。 【数据集介绍】 - 管道焊接缝隙缺陷图像数据。 - 数据总大小为106MB。 - 【数据集详情】data目录下分为两个子目录,分别是train和test: - train目录中包括908张图片及其对应的xml标注文件(共908个); - test目录包含226张测试图像及相应的226个xml解释文件。 【json文件】:提供了一个描述两类别的字典文件。 为了便于查看数据,还提供了可视化py脚本。该脚本能随机选取一张图片并绘制边界框,并将结果保存在当前目录中,无需修改即可直接运行。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • VOCxml
    优质
    本数据集包含大量管道焊接缝图像,使用VOC xml文件标注缺陷,旨在提升机器学习模型在工业无损检测中的应用效果。数据集按比例随机分为了训练和测试两部分。 项目包含管道焊接缝缺陷检测的数据集(采用VOC格式的xml文件,并已划分为训练集和测试集)。数据以文件夹形式保存,可以直接用于目标检测任务,无需额外处理。 图像分辨率为800*800的RGB图片,属于管道焊接缝隙缺陷检测类别。该数据集中包含两类:good 和 bad。 【数据集介绍】 - 管道焊接缝隙缺陷图像数据。 - 数据总大小为106MB。 - 【数据集详情】data目录下分为两个子目录,分别是train和test: - train目录中包括908张图片及其对应的xml标注文件(共908个); - test目录包含226张测试图像及相应的226个xml解释文件。 【json文件】:提供了一个描述两类别的字典文件。 为了便于查看数据,还提供了可视化py脚本。该脚本能随机选取一张图片并绘制边界框,并将结果保存在当前目录中,无需修改即可直接运行。
  • 路面VOCxml
    优质
    本数据集包含大量标记为XML格式的路面图像,依据VOC标准,专门用于训练和评估路面缺陷检测模型,涵盖训练及测试两部分。 项目包括路面缺陷检测数据(VOC格式的xml文件),已经划分成训练集和测试集。图像分辨率为600*600像素的RGB图片,用于目标检测的数据集。该数据集中包含4类道路缺陷:纵向裂纹、横向裂纹、坑洞及不规则裂缝。 【数据总大小】194 MB 【数据集详情】 - data目录下分为train和test两个主要子目录。 - train目录包括images文件夹(存放2264张训练图片)以及labels文件夹(包含对应的xml标注文件共2264个)。 - test目录同样包括images文件夹(565张测试图片)和labels文件夹(对应565个xml解释文件)。 【json文件】 - 提供了表示四个类别的json字典,方便查看数据集信息。 此外,项目中还包括一个用于可视化的Python脚本。用户可以随机选择一张图片输入该脚本来绘制边界框,并将结果保存在当前目录下。此脚本无需修改即可直接运行。
  • 猫狗脸部VOCXML
    优质
    本数据集包含大量标注清晰的猫和狗图像,使用VOC格式的XML文件存储详细信息,并分为训练集和测试集两部分。 项目包含猫和狗脸部检测图像目标检测数据集(VOC标注格式的xml文件,并已划分训练集和测试集)。数据保存为文件夹形式,经测试可直接用于目标检测任务,无需额外处理。 【数据集介绍】该数据集中包括猫和狗的脸部图像,共两个类别:猫、狗。 【数据总大小】361MB 【数据集详情】data目录下分为train(训练数据)和test(测试数据)两个主要目录。每个主目录内各有两个子文件夹: - images 存放图片数据; - labels 存放标注文件。 具体数量为:训练集中共有2949张jpg格式的图像及其对应的xml解释文件,而测试集包含737张jpg图像和相应的xml说明文档;另外还有1200张未被标记的测试用图。 【json 文件】提供了一个包含10个类别的json字典文件以方便查看数据。此外还附带了可视化py脚本,只需随机传入一张图片即可绘制边界框,并且保存在当前目录下。该脚本无需修改就可以直接运行!
  • YOLOv8中将AnyLabelingYOLO、验证
    优质
    本项目介绍如何利用AnyLabeling工具对图像进行标注,并将其标注信息转换成YOLO v8所需的格式,同时详细说明了如何科学地划分数据集以用于模型的训练、验证和测试。 在缺陷检测任务中,我们通常使用AnyLabeling进行图表标注,并用YOLO模型来进行实际的缺陷识别工作。因此,在开始训练之前需要将AnyLabeling生成的数据格式转换为适合YOLO使用的格式。数据集会被划分为不同的部分(如训练集、验证集和测试集),以确保模型能够有效地学习和评估。 代码位于项目目录下的src/wepy/aitool/dataset文件夹中,具体实现细节可以参考该路径中的相关脚本。
  • 汽车图像VOC
    优质
    本数据集为汽车缺陷检测设计,基于VOC标准进行标注,包含大量标记清晰的目标检测图片,旨在促进自动驾驶与智能车辆领域的研究。 目标检测数据集:汽车缺陷检测图像数据集【VOC标注格式】,数据保存按照文件夹形式存放,经测试可以直接用于目标检测任务,无需额外处理。 【数据集详情】包含3000多张图片及对应的xml标注文件和类别信息的json文件。 标签类别包括门外凹痕、发动机罩凹痕、车身面板凹痕等17个类别。
  • VOC变电站
    优质
    本数据集包含大量以VOC格式标注的变电站设备缺陷图像,旨在促进电力系统智能运维研究和算法开发。 变电站缺陷检测数据集采用VOC格式进行标注: - 表计读数有错:bjdsyc,共657个文件。 - 表计外壳破损:bj_wkps,共481个文件。 - 异物鸟巢:yw_nc,共834个文件。 - 箱门闭合异常:xmbhyc,共368个文件。 - 盖板破损:gbps,共568个文件。 - 异物挂空悬浮物:yw_gkxfw,共679个文件。 - 呼吸器硅胶变色:hxq_gjbs,共1140个文件。 - 表计表盘模糊:bj_bpmh,共828个文件。 - 绝缘子破裂:jyz_pl,共389个文件。 - 表计表盘破损:bj_bpps,共694个文件。 - 渗漏油地面油污:sly_dmyw,共721个文件。 - 未穿安全帽:wcaqm,共467个文件。 - 未穿工装:wcgz,共661个文件。 - 吸烟:xy,共578个文件。
  • VOC轮胎884张,46张)
    优质
    这是一个包含930张图像的数据集,专为检测轮胎表面缺陷设计,其中训练集有884张图片,测试集则包含46张图片。通过标注VOC格式的XML文件,便于使用各种机器学习框架进行目标检测和分类研究。 我们有一个VOC格式的轮胎缺陷数据集,包含884张训练图像和46张测试图像,适用于深度学习中的YOLO框架。每一张图片都有对应的XML格式标注文件。
  • TXT、验证
    优质
    本文介绍了如何将目标检测的数据集按照标准的比例划分为训练集、验证集和测试集,并以TXT文件的形式存储各自包含的图片ID,便于模型训练与评估。 目标检测数据集划分可以通过txt格式进行(训练集、验证集、测试集),只需填写绝对路径即可将图片和标签划分为所需部分。注意,标签文件应为txt格式。
  • 免费铁路轨COCO
    优质
    这是一个基于COCO标准注释格式的开源铁路轨道缺陷检测数据集,旨在促进轨道交通安全领域的研究与应用。 为铁道病害检测研究方向的学者提供尽可能的数据集资源。本数据集包括近距离铁道病害图像。如需更多相关数据集,请告知,作者会第一时间放出供学者研究。