Advertisement

烟雾与明火分割数据集(LabelMe格式,含5205张图片,2个类别).zip

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


简介:
本数据集包含5205张图像,采用LabelMe标注格式,旨在区分烟雾和明火两类视觉特征,适用于目标检测与分类研究。 样本图展示的是一个包含5205张jpg图片及其对应json文件的数据集,这些数据是使用labelme 5.5.0工具标注的,并遵循特定规则进行多边形框polygon绘制。 该数据集中包括两个类别:smoke(烟)和fire(火)。具体来说: - smoke类别的标注数量为2354个。 - fire类别的标注数量为13438个。 为了使用这些数据,可以将整个数据集导入labelme工具进行进一步编辑。需要注意的是,json文件需要手动转换成mask、yolo或coco格式以便于语义分割或者实例分割的训练任务。 特别提示:此数据集中提供的标记是准确且合理的,但不保证基于该数据集训练出模型的具体精度表现。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • LabelMe52052).zip
    优质
    本数据集包含5205张图像,采用LabelMe标注格式,旨在区分烟雾和明火两类视觉特征,适用于目标检测与分类研究。 样本图展示的是一个包含5205张jpg图片及其对应json文件的数据集,这些数据是使用labelme 5.5.0工具标注的,并遵循特定规则进行多边形框polygon绘制。 该数据集中包括两个类别:smoke(烟)和fire(火)。具体来说: - smoke类别的标注数量为2354个。 - fire类别的标注数量为13438个。 为了使用这些数据,可以将整个数据集导入labelme工具进行进一步编辑。需要注意的是,json文件需要手动转换成mask、yolo或coco格式以便于语义分割或者实例分割的训练任务。 特别提示:此数据集中提供的标记是准确且合理的,但不保证基于该数据集训练出模型的具体精度表现。
  • 眼睛瞳孔虹膜LabelMe26622).7z
    优质
    本数据集包含2662张图片,采用LabelMe格式标注,涵盖眼睛瞳孔和虹膜两个类别,适用于眼部特征识别与分割研究。 样本图由labelme工具以5.5.0版本进行标注。 数据集格式为labelme格式(不包含mask文件,仅包含jpg图片及其对应的json文件)。 - 图片数量(jpg文件个数):2662张 - 标注数量(json文件个数):2662份 - 标注类别总数:2类 - 类别名称包括pupil和iris - 每一类别的标注框数量: - pupil的标注框共2660个 - iris的标注框共2666个 使用多边形(polygon)进行各分类对象的标记。 重要说明:用户可以利用labelme软件打开并编辑数据集,同时需要自行将json格式的数据转换为mask、yolo或coco等其他形式以用于语义分割或者实例分割任务。 请注意,本数据集不对训练模型及其权重文件的精度提供任何保证;提供的仅是准确且合理的标注信息。
  • 肾结石医学LabelMe359,1).zip
    优质
    本资料包含359张用于肾结石识别与研究的医学图像,采用LabelMe标注格式,提供单一类别的精确分割信息。适合深度学习和计算机视觉领域相关科研使用。 样本图展示在博客文章内。 文件存储于服务器上,请务必通过电脑端预览资源详情后再进行下载。 数据集格式:采用labelme标准(不含mask文件,仅包括jpg图片及对应的json文件)。 图片数量(即jpg文件个数):359张; 标注数量(即json文件个数):359份; 标注类别总数为1类; 具体标注类别名称如下: - 肾结石 (kidney stone) 每个类别的标注框数量统计如下: - 肾结石的标注框总计有 512 个。 使用工具:labelme版本号5.5.0 注释规则:对目标进行多边形绘制(polygon)。 特别说明:可利用labelme软件打开并编辑数据集,但需自行将json格式转换为mask、yolo或coco等格式以支持语义分割和实例分割任务。 重要声明:本数据集中不保证训练模型的精度与权重文件的质量,仅确保提供的标注信息准确合理。
  • AI识828720P
    优质
    本数据集包含828张分辨率为720P的图像,专为训练和测试AI模型在检测明火与烟雾方面的性能而设计。 明火烟雾AI识别数据集包含828张720p图片。
  • 舌头labelme25571.zip
    优质
    样本图:blog..net/FL1623863129/article/details/144472209 数据集格式:labelme格式(不包含mask文件,仅仅包含jpg图片和对应的json文件) 图片数量(jpg文件个数):2557 标注数量(json文件个数):2557 标注类别数:1 标注类别名称:[tongue] 每个类别标注的框数: tongue count = 2557 使用标注工具:labelme=5.5.0 标注规则:对类别进行画多边形框polygon 重要说明:可以将数据集用labelme打开编辑,json数据集需自己转成mask或者yolo格式或者coco格式作语义分割或者实例分割 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,数据集只提供准确且合理标注
  • 西红柿成熟度LabelMe686,3).zip
    优质
    本数据集包含686张采用LabelMe标注工具标记的西红柿图像,涵盖未熟、半熟和全熟三个阶段,适用于机器视觉与农业自动化研究。 样本图:请到服务器资源预览或详情查看后下载。 数据集格式为labelme格式(不包含mask文件,仅包括jpg图片及其对应的json文件)。 - 图片数量(jpg文件个数):686张 - 标注数量(json文件个数):686份 - 标注类别数:3类 - 标注类别名称:[未成熟, 成熟, 腐烂] 每个类别标注的框的数量: - 未成熟计数 = 2452 - 成熟计数 = 1268 - 腐烂计数 = 710 使用了labelme v5.5.0进行标注,对各类别进行了多边形(polygon)的绘制。 重要说明:可以利用LabelMe软件打开并编辑数据集。需要自行将json格式的数据转换为mask、yolo或coco格式以用于语义分割或者实例分割。 特别声明:本数据集中提供的标注信息准确且合理,并不对训练模型后的精度做出任何保证。
  • 智慧城市道路LabelMe26481.zip智慧城市道路LabelMe26481.zip
    优质
    样本图链接:[此处插入链接]请将文件放置于服务器上,并建议在电脑端的资源预览页面或详细资料页面中查看下载。统计显示,共有2,648张.jpg图片文件。对应的标注数据量为2,648份.json文件。仅涉及一个类别进行标注。该类别的名称列表为[road]。在road类别上,总计绘制了2,782张多边形框。您可使用labelme软件进行数据集编辑;请注意,必须先将json格式的标注文件转换为mask、yolo或coco中的任意一种格式。该数据集适用于进行语义分割或实例分割任务。请注意,本数据集无法保证对训练的模型或权重文件精度作任何保证。该数据集中提供的标注均为精确且合理的。
  • 瑕疵检测VOC+YOLO1972.zip
    优质
    该数据集包含197张图片和两个类别的标注信息,采用VOC与YOLO兼容格式,适用于训练和评估香烟瑕疵检测模型。 数据集格式:Pascal VOC格式+YOLO格式(不含分割路径的txt文件,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):197 标注数量(xml文件个数):197 标注数量(txt文件个数):197 标注类别数:2 标注类别名称:[kongtou, yiwu] 每个类别标注的框数: - kongtou 框数 = 100 - yiwu 框数 = 97 总框数:197 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:暂无 特别声明:本数据集不对训练的模型或权重文件精度作任何保证,仅提供准确且合理的标注。
  • 焰识11000及Yolo标签).zip
    优质
    该资源包含一个专门用于训练和测试火灾检测算法的数据集,内有11000张图像,并附带YOLO格式标注信息,涵盖烟雾与火焰识别。 烟火数据集在多个领域具有重要应用价值。在安防领域,该数据集可用于训练烟火检测算法,实现火灾的及时预警与快速反应,这对于工厂、仓库等易燃易爆场所的安全监控至关重要,能够显著降低火灾风险并保障人员和财产安全。此外,在城市管理中,通过实时监测城市中的烟火情况,并利用烟火识别技术发现违规燃放烟花爆竹的行为,有助于维护城市秩序和公共安全。同时,在环保领域内,该数据集还能帮助评估烟花燃放对环境的影响,为制定科学的环保政策提供依据。 1. 数据类别:包含火焰与烟雾两类。 2. 标签格式:采用yolo标准txt文件形式。 3. 使用说明:适用于YOLO目标检测算法直接使用;若用于其他目标检测算法,则需转换相应数据格式。 该数据集适合应用于毕业设计、课程项目及实际工程项目中,欢迎下载并使用。
  • 六千多
    优质
    本数据集包含超过六千张火焰与烟雾的图像,旨在支持火灾检测和分析的研究及应用开发。 火焰烟雾数据集包括两个部分:JPEGImages文件夹和Annotations文件夹。JPEGImages文件夹包含超过6600张不同场景的火焰与烟雾图像。整个数据集中共有8000多个火焰标注框及3400多个烟雾标注框,每一张图片都通过labelimg进行了人工标注,并且对应的xml文件被存放在Annotations文件夹中。 该数据集中的图片清晰、涵盖广泛的应用场景并经过精心挑选和详细的人工注释。因此它适用于各种环境下的火焰与烟雾检测任务,可以作为此类问题的标准模板数据集使用。当应用于特定场景时,只需加入少量特有情况的数据即可满足对该应用场景的火焰与烟雾识别需求。 此外,该数据集省去了收集、挑选和人工标注图像的过程,可以直接用于工程化应用中。