Advertisement

传送带瑕疵检测数据集(VOC+YOLO格式,含1238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。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • VOC+YOLO12382).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。
  • 香烟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。
  • 齿轮VOC+YOLO),2978,3.7z
    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。
  • 轮胎VOC+YOLO),2154,4.7z
    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。
  • 蚕茧VOC+YOLO5234.zip
    优质
    本数据集包含523张图片及对应的标注文件,用于训练和测试YOLO模型识别四种不同类型的蚕茧瑕疵。格式兼容Pascal VOC与YOLO标准。 样本图:请到服务器资源详情查看并下载。 数据集格式为Pascal VOC与YOLO格式(不含分割路径的txt文件),仅包含jpg图片及对应的VOC xml文件和yolo txt文件。 - 图片数量(jpg文件个数):523张 - 标注数量(xml文件个数):523份 - 标注数量(txt文件个数):523份 标注类别共有4种,分别为: 1. fugongiya 框数 = 1297 2. normal 框数 = 1825 3. sunken 框数 = 2110 4. surface defect 框数 = 4042 总标注框数量:9274个。 使用工具为labelImg,规则是对类别进行矩形框标记。 重要说明:暂无特别说明。
  • 表面工业VOC+YOLO400,4).7z
    优质
    本数据集包含400张图像及对应的标注文件,适用于铝片表面瑕疵检测任务。采用VOC与YOLO双格式存储,涵盖裂纹、划痕等4种常见缺陷类型。 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):400 标注数量(xml文件个数):400 标注数量(txt文件个数):400 标注类别数:4 标注类别名称: [ca_shang, zang_wu, zhe_zhou, zhen_kong] 每个类别标注的框数: - ca_shang 框数 = 270 - zang_wu 框数 = 456 - zhe_zhou 框数 = 124 - zhen_kong 框数 = 212 总框数:1062 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。
  • 谢韦尔钢材VOC+YOLO66664.7z
    优质
    此数据集包含6666张图片,用于训练和测试钢材表面瑕疵检测模型,涵盖四大类缺陷。以PASCAL VOC及YOLO格式提供,便于深度学习应用开发。 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):6666 标注数量(xml文件个数):6666 标注数量(txt文件个数):6666 标注类别数:4 标注类别名称:[crack, patches, pitting, scratches] 每个类别标注的框数: - crack 框数 = 321 - patches 框数 = 1911 - pitting 框数 = 3085 - scratches 框数 = 14700 总框数:20017 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。
  • 异物与物料跑偏VOC+YOLO437,3).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。
  • VOC+Yolo),107,1.zip
    优质
    本数据集包含107张图像及对应标注文件,涵盖单一目标类别。以VOC与YOLO双格式提供,便于快速集成至各类目标检测项目中使用。 在信息技术领域尤其是计算机视觉方面,数据集具有极其重要的作用。“虾数据集VOC格式+yolo格式107张1类别.zip”包含了一个专为检测虾类设计的图像集合,总计有107幅图片,并且这些图像是按照PASCAL Visual Object Classes(VOC)和You Only Look Once(YOLO)两种不同的标准进行标注。 首先来看一下PASCAL VOC格式。这是一种广泛应用于计算机视觉领域的数据集类型,主要用于物体识别、分割及检测任务。该格式通常包括图像文件、XML注释文档以及类别定义等组成部分。在虾的数据集中,每个图像的XML文件详细记录了虾的位置和种类信息,这对于训练目标检测模型来说至关重要。 接下来是YOLO格式。这是一种实时的目标检测系统,因其高效的性能而受到广泛欢迎。它的标注方式通常为纯文本形式,包含每张图片中所有物体位置及对应的类别标识符。相比于VOC格式的复杂性,这种简洁明了的方式更适合快速处理和应用需求,在虾数据集中同样如此。 训练一个目标识别模型(例如基于YOLO或结合使用PASCAL VOC的数据集)通常涉及以下步骤: 1. 数据预处理:根据特定模型的需求调整图像大小、进行归一化等操作。 2. 训练阶段:利用提供的训练集合(本例中为虾的107张图片),通过迭代优化来改进模型参数,从而提高其对目标对象检测的能力。 3. 验证与调优:使用验证集评估当前模型性能,并根据需要调整超参以进一步提升效果。 4. 测试阶段:最后,在未见过的数据上进行测试,确保所训练出来的模型能够良好地泛化到新的场景中。 尽管该数据集中仅包含一个类别(即虾),这虽然简化了分类任务的复杂度,但同时也可能限制了模型学习更多样化的特征。然而对于特定的应用领域而言,比如自动识别和计数海鲜产品等场合下,这样的单一类别的训练集已经足够实用且高效。 综上所述,“虾数据集VOC格式+yolo格式107张1类别.zip”为研究者们提供了一个宝贵的资源库来开发并测试针对虾的检测算法。无论是出于学术目的还是工业应用考虑,该数据集都能帮助研究人员构建出更加精准、快速的目标识别模型,并应用于诸如海鲜处理或食品安全检查等实际场景中。
  • 机场跑道用遥感VOC+YOLO81162).zip
    优质
    本数据集包含8116张图片,旨在用于机场跑道检测任务,支持VOC和YOLO两种格式,涵盖两个类别。有助于提升遥感图像中的目标识别精度与效率。 样本图:请在电脑端资源详情查看并下载文件。 数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅包括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):8116 标注数量(xml文件个数):8116 标注数量(txt文件个数):8116 标注类别数:2 标注类别名称: [机场, 跑道] 每个类别的框的数量: - 机场 框 数量 = 17251 - 跑道 框 数量 = 27810 总框数量:45061 使用工具:labelImg 标注规则:对类别进行矩形框绘制。 重要说明:暂无。