Advertisement

传送带异物与物料跑偏检测数据集（VOC+YOLO格式，含437张图片，3个类别）.7z

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

简介：
本数据集包含437张图片，涵盖传送带异物和物料跑偏两类问题，以VOC及YOLO两种格式提供，便于训练目标检测模型。 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）：437 标注数量（xml文件个数）：437 标注数量（txt文件个数）：437 标注类别数：3 标注类别名称：chuansongzhou、gangjin、yiwu 每个类别的框数： - chuansongzhou 框数 = 245 - gangjin 框数 = 161 - yiwu 框数 = 243 总框数：649 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明： 暂无特别说明。 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。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 传送带异物与物料跑偏检测数据集（VOC+YOLO格式，含437张图片，3个类别）.7z
    优质
    本数据集包含437张图片，涵盖传送带异物和物料跑偏两类问题，以VOC及YOLO两种格式提供，便于训练目标检测模型。 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）：437 标注数量（xml文件个数）：437 标注数量（txt文件个数）：437 标注类别数：3 标注类别名称：chuansongzhou、gangjin、yiwu 每个类别的框数： - chuansongzhou 框数 = 245 - gangjin 框数 = 161 - yiwu 框数 = 243 总框数：649 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明： 暂无特别说明。 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。
     
  • 传送带瑕疵检测数据集（VOC+YOLO格式，含1238张图片，2个类别）.zip
    优质
    本数据集包含1238张图片，适用于传送带瑕疵检测任务，采用VOC与YOLO两种格式标注，涵盖两个类别，有助于提升模型在工业场景中的应用效果。 样本图展示的是一个包含1238张jpg图片的数据集，每张图片都对应有Pascal VOC格式的xml文件以及YOLO格式的txt文件作为标注。数据集中共有两类标注对象：crack（裂缝）与normal（正常），总共涉及了1743个矩形框用于标记。 具体来说： - crack类别下的矩形框数量为1099。 - normal类别的矩形框数量为644。 此数据集使用labelImg工具进行标注，主要任务是对图片中的物体进行画矩形框的分类操作。除了上述信息外，没有其他特别说明或要求。需要注意的是，提供者不对训练模型后的精度做出任何保证，仅确保提供的数据集内标记准确合理。
     
  • 齿轮瑕疵检测数据集（VOC+YOLO格式），含2978张图片，3个类别.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。
     
  • 铁路智慧交通异物入侵检测数据集（VOC+YOLO格式，含802张图片，7个类别）.7z
    优质
    这是一个包含802张图像的数据集，旨在用于开发和测试铁路智慧交通中的异物侵入检测系统。数据集采用VOC及YOLO格式，并涵盖7种类别，有助于提升模型在复杂环境下的准确性和鲁棒性。 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 格式的 xml 文件和 YOLO 格式的 txt 文件） 图片数量 (jpg 文件个数) ：802 标注数量 (xml 文件个数)：802 标注数量 (txt 文件个数): 802 标注类别总数:7 标注类别名称: - Train - bucket - motorbike - person - stone - vehicle - wood 每个类别的标注框的数量： Train 框数 = 242 bucket 框数 = 95 motorbike 框数 = 32 person 框数 = 822 stone 框数 = 193 vehicle 框数 = 299 wood 框数 = 84 总框数量:1767 使用标注工具：labelImg 标注规则：对类别进行矩形框标记。 重要说明：异物包括检测人、石头、木头、车和摩托车等。
     
  • 铁路智慧交通异物入侵检测数据集（VOC+YOLO格式，含802张图片，7个类别）.7z
    优质
    本数据集包含802张图像和7种类别标签，以VOC及YOLO格式提供，旨在用于铁路智慧交通异物入侵检测系统的训练与测试。 数据集格式：Pascal VOC格式+YOLO格式（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)：802 标注数量(xml文件个数)：802 标注数量(txt文件个数)：802 标注类别数：7 标注类别名称： - Train - bucket - motorbike - person - stone - vehicle - wood 每个类别标注的框数： Train 框数 = 242 bucket 框数 = 95 motorbike 框数 = 32 person 框数 = 822 stone 框数 = 193 vehicle 框数 = 299 wood 框数 = 84 总框数：1767 使用标注工具：labelImg 标注规则：对类别进行画矩形框。 重要说明：异物包括检测人、石头、木头、车和摩托车等。
     
  • 拐杖检测数据集(VOC+YOLO格式，含2778张图片，1个类别).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。
     
  • 小麦病害检测数据集（VOC+YOLO格式），含899张图片，12个类别.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。
     
  • 螺丝螺母检测数据集（VOC+YOLO格式，含2100张图片，13个类别）.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。
     
  • 轮胎瑕疵检测数据集（VOC+YOLO格式），含2154张图片，4个类别.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。
     
  • 石油泄漏检测数据集（VOC+YOLO格式，含6633张图片，1个类别）.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。