Advertisement

混凝土表面裂缝缺陷图像分割数据集:包含数据、标签及可视化代码

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


简介:
本数据集专注于混凝土表面裂缝检测,提供丰富的图像样本及其标注信息,并附带可视化工具代码,便于研究与应用开发。 项目包含5种混凝土表面裂缝缺陷分割的数据集、标签文件及数据可视化代码。该数据集用于对混凝土墙面和地面的裂缝进行分割处理,掩膜模板为0和1的二值图像,其中像素分布为:0代表背景区域,1代表裂缝等缺陷。 为了便于观察掩膜效果,项目中提供了一个图像分割的可视化脚本。训练集中包含949张图片及其对应的mask图;测试集则有88张图片及相应的mask图。此外,数据集总大小约为51MB。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 优质
    本数据集专注于混凝土表面裂缝检测,提供丰富的图像样本及其标注信息,并附带可视化工具代码,便于研究与应用开发。 项目包含5种混凝土表面裂缝缺陷分割的数据集、标签文件及数据可视化代码。该数据集用于对混凝土墙面和地面的裂缝进行分割处理,掩膜模板为0和1的二值图像,其中像素分布为:0代表背景区域,1代表裂缝等缺陷。 为了便于观察掩膜效果,项目中提供了一个图像分割的可视化脚本。训练集中包含949张图片及其对应的mask图;测试集则有88张图片及相应的mask图。此外,数据集总大小约为51MB。
  • 56100张
    优质
    本数据集包含了56,100张用于识别和分类混凝土缺陷的高质量图像,旨在促进相关领域的研究与开发。 混凝土缺陷图像分类数据集包含56100张图片。
  • 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。
  • 火灾烟雾3类、
    优质
    本数据集提供全面的火灾烟雾图像,涵盖三类标签(背景、烟雾、火焰),并附带可视化工具与代码,便于研究和分析。 项目包括:火灾烟雾分割(3分割),包含数据集、类别标签及可视化代码。 该数据集的图像分辨率为512*512像素,并专注于全场景下的烟雾分割任务,其中前景为烟雾等目标物,背景与前景区域区分明显且标注完整。为了方便观察和理解,提供了相关的可视化脚本。具体效果可参考相关文档或示例。 数据集分为训练集和测试集: - 训练集中包含315张图片及其对应的掩模图像。 - 测试集中则有35张图片及相应的掩膜图。 此外,项目还提供了一个用于图像分割的可视化脚本。该脚本能随机选取一张图片,并展示原始图像、真实标签(GT)以及在原图上应用了标签后的效果,最后将结果保存到当前目录中。
  • 玉米叶片病害类别
    优质
    本数据集提供丰富的玉米叶片病害图像,并附带详细分类标签与可视化代码,旨在促进植物病理学研究和智能农业发展。 项目包含:玉米叶片病害分割【数据集+类别标签+可视化代码】 数据集为256*256分辨率下的玉米叶片病害分割。 分割前景包括叶片等部分,标签的mask图像采用RGB彩色表示,其中0代表背景。为了方便观察和理解,提供了一段可视化的代码。 该数据集中包含4个文件夹(健康、锈菌、斑点、枯萎病),共计3852张原始图片及其对应的mask标签。 此外,项目中还包含一个图像分割的可视化脚本,随机抽取一张图片,并展示其原始图、GT图像以及在原图上的蒙板效果,并将结果保存到当前目录下。
  • 肝肿瘤医学(LiTS):切片(3类别)、
    优质
    简介:LiTS数据集专为肝肿瘤分割设计,提供包含肝脏、肿瘤和背景三类别的CT切片图像及其对应标注,并附有可视化工具。 项目包含:肝肿瘤分割(LiTS)切片【包括切片后的数据集(3类别)、标签文件、可视化代码】 其中mask中的1表示肝脏区域、2表示肿瘤区域,0为背景部分,请参考classes.txt文件以获取更多细节。 该数据集由LITS的冠状面图像切分而成,共包含从131个病例中提取出的数据。为了便于分割操作,在进行切片时已去除ROI(感兴趣区域)不足5%的部分。mask灰度值为0、1和2的阈值图,图片与标签分别以jpeg和png格式存储,并提供了可视化代码用于观察mask。 数据集分为训练集和测试集: - 训练集包括images目录中的10937张图片及masks模板目录下的对应数量的mask图片; - 测试集中则有4686张图像及其对应的相同数量的标签。
  • 损伤众多
    优质
    本数据集汇集了大量路面裂缝损伤的图像样本,旨在为道路维护与评估提供详细的数据支持。 路面裂缝病害数据集包含大量图片。
  • 重写后的题:检测的(目检测)
    优质
    本数据集专注于混凝土结构中的各种缺陷检测,采用先进的计算机视觉技术进行目标识别与分析,旨在提升建筑质量监控效率。 YOLO与VOC格式的混凝土缺陷检测数据集适用于YOLO系列、Faster R-CNN、SSD等模型训练。该数据集中包含六类缺陷:裸露钢筋(exposed reinforcement)、锈迹(rust stain)、裂缝(Crack)、剥落(Spalling)、白霜(Efflorescence)和分层(delamination),共有7353张图片。文件中包括图片、txt标签以及指定类别信息的yaml文件和xml标签,并已将数据划分为训练集、验证集和测试集,可以直接用于YOLO算法的训练。