Advertisement

钢铁表层瑕疵识别图像数据库（内含1800幅带标签图片）

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

简介：
本数据库包含1800幅标注清晰的钢铁表面瑕疵图像，旨在辅助研发人员进行机器学习与模式识别研究，促进钢铁质量检测技术的进步。 钢铁表面缺陷检测图像数据集包含1800张图像，并附有标签。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 钢铁表层瑕疵识别图像数据库（内含1800幅带标签图片）
    优质
    本数据库包含1800幅标注清晰的钢铁表面瑕疵图像，旨在辅助研发人员进行机器学习与模式识别研究，促进钢铁质量检测技术的进步。 钢铁表面缺陷检测图像数据集包含1800张图像，并附有标签。
     
  • NEU-DET钢材表层瑕疵识别数据库
    优质
    NEU-DET钢材表层瑕疵识别数据库是由科研人员精心构建的一个专注于钢材表面缺陷检测的数据集。该数据库收录了大量高质量的工业图像及详细标注信息，旨在促进机器学习算法在钢铁产品质量控制领域的应用研究和技术创新。 NEU-DET钢材表面缺陷检测数据集提供了用于识别和分类钢材表面各种缺陷的图像样本。该数据集旨在帮助研究人员和工程师开发更精确、高效的自动化检测系统，以提高生产效率并确保产品质量。
     
  • 带钢表面瑕疵检测用图像数据集
    优质
    本数据集专为带钢表面瑕疵检测设计，包含大量高清图像样本及标注信息，适用于深度学习模型训练与测试，助力提高工业自动化水平。 该带钢表面缺陷检测数据集包含六种不同的缺陷类型：龟裂（crazing）有300个文件，斑点（patches）有342个文件，夹杂（inclusion）有382个文件，坑蚀表面（pitted_surface）有301个文件，氧化皮压入（rolled-in_scale）有300个文件以及划痕（scratches）同样包含300个文件。所有缺陷的标注信息均以xml格式提供。
     
  • NEU-DET钢铁表面瑕疵数据集
    优质
    NEU-DET钢铁表面瑕疵数据集是由东北大学研究团队精心打造的专业数据库，包含大量高分辨率图像，用于检测和分类钢铁产品制造过程中的各类缺陷。 钢材表面缺陷数据集由东北大学宋克臣团队制作而成，包含1800张图片，涵盖六种类型：crazing（龟裂）、inclusion（夹杂）、patches（斑点）、pitted_surface（凹坑）rolled-in_scale（氧化皮压入）和scratches（划痕）。
     
  • YOLO谢韦尔钢铁瑕疵识别数据集（内含20000张图像）+VOC/COCO/YOLO三类标签+划分脚本及训练指南.rar
    优质
    这是一个包含20000张图片的数据集，专为谢韦尔钢铁的缺陷检测设计，附有VOC、COCO和YOLO三种格式的标注以及详细的划分脚本与训练教程。 谢韦尔钢材缺陷检测数据集包含真实场景下的高质量图片，并且使用lableimg软件进行精确标注，提供voc(xml)、coco(json)以及yolo(txt)三种格式的标签文件，便于在YOLO系列模型中直接应用。 此外还附赠了关于如何搭建YOLO环境和训练案例的相关教程及数据集划分脚本，方便用户根据需求灵活地将数据划分为训练集、验证集与测试集。
     
  • YOLO谢韦尔钢铁瑕疵识别数据集（内含1000张图像）+VOC/COCO/YOLO三类标签+拆分脚本及培训指南.rar
    优质
    该资源包提供了一个包含1000张图像的YOLO谢韦尔钢铁瑕疵识别数据集，附带VOC、COCO和YOLO三种格式标签，以及详细的拆分脚本与培训指南。 YOLO谢韦尔钢材缺陷检测数据集包含真实场景的高质量图片，涵盖多种情况。使用lableimg软件进行标注，确保了高精度的标注框，并提供了VOC（xml）、Coco（json）以及Yolo（txt）三种格式的标签文件，分别存储在不同的文件夹内，便于直接用于YOLO系列的目标检测任务。 此外还附赠有构建YOLO环境、训练案例教程及数据集划分脚本等资源。用户可以根据需要自行调整训练集、验证集和测试集的比例与构成。
     
  • AITEX钢轨表层瑕疵检测数据集
    优质
    AITEX钢轨表层瑕疵检测数据集是一套专为铁路安全设计的数据集合，包含大量高清图像及详细标注信息，用于训练机器学习模型识别和分类钢轨表面的各种缺陷。 这段文字描述了包含原始数据、有缺陷的数据以及无缺陷的数据，并提到了用于分割的缺陷位置掩膜图片。
     
  • YOLO铝片表面瑕疵识别数据集（内含1000幅图像）+VOC、COCO及YOLO格式标注+voc与coco标签划分脚本+训练指南.rar
    优质
    该资源提供包含1000幅图像的YOLO铝片表面瑕疵识别数据集，附带VOC、COCO和YOLO格式标注文件以及voc与coco标签划分脚本，并配有详细的训练指南。 YOLO铝片表面缺陷检测数据集包含真实场景的高质量图片，覆盖多种情况。使用lableimg软件进行标注，确保了高精度的标注框，并提供voc(xml)、coco(json)以及yolo(txt)三种格式标签文件，分别存储在不同目录下以供直接用于YOLO系列的目标检测任务。 此外还附赠有搭建YOLO环境和训练案例教程及数据集划分脚本，帮助用户根据需求自行调整并划分出适合的训练集、验证集与测试集。更多关于此数据集的信息可以在相关博客中查看。如果有需要获取更大数量的数据或其他类型的数据，请直接联系博主进行咨询。
     
  • 钢材表面瑕疵数据集（含1200张训练图片及600张验证图片）
    优质
    本数据集包含1800幅高质量图像，旨在用于检测和分类钢材表面缺陷。其中包括1200张训练图片与600张验证图片，为机器学习模型提供丰富的训练资源。 此数据集由东北大学教授创建，专门用于识别钢材表面缺陷。数据集按照COCO格式进行了划分，包含1200张训练图像和600张验证图像，并附有相应的json文件。
     
  • 包含1800张图片的烟雾数据集，附带标签
    优质
    这是一个包含了1800张图片的烟雾图像数据集，并且每一张图片都带有详细的标注信息，便于研究和识别。 带标注的XML文件可以直接用于Yolov3。