Advertisement

电力场景下的目标检测数据集（VOC+YOLO格式），含476张图片和5个类别，压缩包为.7z格式。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：7Z

简介：
本数据集包含476张电力场景图像，涵盖五种特定类别目标，采用VOC与YOLO兼容格式，并以.7z文件形式提供。 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）：476 标注数量（xml文件个数）：476 标注数量（txt文件个数）：476 标注类别数：5 标注类别名称：[damper, insulator, plate, spacer, tower] 每个类别标注的框数： - damper 框数 = 1501 - insulator 框数 = 310 - plate 框数 = 81 - spacer 框数 = 251 - tower 框数 = 252 总框数：2395 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。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 电力场景下的目标检测数据集（VOC+YOLO格式），含476张图片和5个类别，压缩包为.7z格式。
    优质
    本数据集包含476张电力场景图像，涵盖五种特定类别目标，采用VOC与YOLO兼容格式，并以.7z文件形式提供。 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）：476 标注数量（xml文件个数）：476 标注数量（txt文件个数）：476 标注类别数：5 标注类别名称：[damper, insulator, plate, spacer, tower] 每个类别标注的框数： - damper 框数 = 1501 - insulator 框数 = 310 - plate 框数 = 81 - spacer 框数 = 251 - tower 框数 = 252 总框数：2395 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。
     
  • 舰船检测卫星遥感数据集（VOC+YOLO格式），含2238张图片，17个类别，压缩包为7z格式
    优质
    本数据集包含2238张舰船检测图片，采用VOC与YOLO双格式标注，涵盖17种类别，旨在促进遥感图像分析研究。以7z格式压缩便于下载及存储。 数据集格式为Pascal VOC与YOLO格式（不含分割路径的txt文件），只包含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：2238张 标注数量(xml及txt文件个数)：各2238份 标注类别总数：17类 具体类别名称包括：“Aircraft Carrier”、“Auxiliary Ships”、“Cargo”、“Commander”、“Container Ship”、“Cruiser”、“Destroyer”、“Dock”、“Frigate”、“Hovercraft”、“Landing”、“Oil Tanker”、“Other Ship”，“Other Warship”，“RoRo”，“Submarine”，及“Yacht”。
     
  • 电力场景输电线悬垂线夹检测数据集（VOC+YOLO格式，含2538张图片，2个类别）.7z
    优质
    该数据集包含2538张图像和两个类别的标注信息，以VOC及YOLO格式提供电力场景输电线悬垂线夹的检测数据，支持训练与评估相关识别模型。 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)：2538 标注数量(xml 文件个数)：2538 标注数量(txt 文件个数)：2538 标注类别数：2 标注类别名称:[Yoke,Yoke Suspension] 每个类别标注的框数： Yoke 框数 = 1747 Yoke Suspension 框数 = 6149 总框数：7896 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
     
  • 考场作弊行为检测数据集（VOC+YOLO格式，含4413张图片，4个类别）.7z
    优质
    本数据集包含4413张图像，用于识别考试中的作弊行为，采用VOC和YOLO格式标注，涵盖4种类别，适用于训练检测模型。 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)：4413 标注数量(xml文件个数)：4413 标注数量(txt文件个数)：4413 标注类别数：4 标注类别名称:[Cheatcode,Cheating,NonCheating,mobiledetrction] 每个类别标注的框数： - Cheatcode 框数 = 428 - Cheating 框数 = 8730 - NonCheating 框数 = 4022 - mobiledetrction 框数 = 3611 总框数：16791 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。
     
  • 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。
     
  • 电力设备漏油检测数据集（VOC+YOLO格式，含338张图片，1个类别）.7z
    优质
    这是一个包含338张图像的数据集，用于电力设备漏油的视觉对象检测任务，采用VOC和YOLO兼容格式，专注于单一类别识别。 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）：338 标注数量（xml文件个数）：338 标注数量（txt文件个数）：338 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 = 372 总框数：372 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。
     
  • 高铁受电弓检测数据集（VOC+YOLO格式），包含1245张图片，2个类别.7z
    优质
    本数据集提供针对高铁受电弓的图像识别资源，包括1245张图片及对应标注，支持VOC和YOLO两种格式，涵盖2种类别。 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图片及其对应的VOC格式xml文件和yolo格式txt文件） 图片数量（jpg文件个数）：1245 标注数量（xml文件个数）：1245 标注数量（txt文件个数）：1245 标注类别数：2 标注类别名称：[roi, sdg] 每个类别标注的框数： - roi 框数 = 1245 - sdg 框数 = 1245 总框数：2490 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。
     
  • WIDERFACE人脸检测数据集B大目标，VOC+YOLO格式，含8188张图片，1个类别.7z
    优质
    本资源提供WIDERFACE数据集中较大目标的人脸图像，共计8188张，并转换为VOC及YOLO格式，便于检测模型训练。内含标签文件和图片，压缩包格式为7z。 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)：8188 标注数量(xml文件个数)：8188 标注数量(txt文件个数)：8188 标注类别数：1 标注类别名称:[face] 每个类别标注的框数： face 框数 = 14649 总框数：14649 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：这是widerface数据集的一部分，该数据集的特点是每个图片中的边界框像素面积都大于3500，适合用于大脸检测（即人近距离的人脸检测）。使用此数据集的一个好处是不会轻易出现误检问题。不过对于远距离人脸的检测可能会效果稍差。 特别声明：本数据集不对训练模型或权重文件的精度作任何保证，仅提供准确且合理的标注。
     
  • WIDERFACE人脸检测数据集A（小目标VOC+YOLO格式，含7906张图片，1个类别）.7z
    优质
    这是一个包含7906张图像的数据集，专为WIDERFACE的人脸检测挑战设计，采用VOC和YOLO格式标注，专注于捕捉小目标人脸。 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）：7906 标注数量（xml文件个数）：7906 标注数量（txt文件个数）：7906 标注类别数：1 标注类别名称：[face] 每个类别的框数： - face 框数 = 180,744 总框数：180,744 使用标注工具：labelImg 标注规则：对类别进行矩形框绘制。 重要说明：此数据集是widerface数据集的一部分，特点是每个图片至少有一个面积小于3500像素的边界框（bbox），适合用于远距离人脸检测。同时，小的人脸可能容易被误检。 特别声明：本数据集不对训练模型或权重文件的精度提供任何保证，仅确保标注准确合理。
     
  • 室内积水检测数据集（VOC+YOLO格式），包含761张图片，1个类别.7z
    优质
    本数据集提供761张室内图像用于积水检测，采用VOC和YOLO双格式存储，专注于单一目标类别——积水区域的识别与标注。压缩包为7z文件格式。 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)：761 标注数量(xml文件个数)：761 标注数量(txt文件个数)：761 标注类别数：1 标注类别名称:[jishui] 每个类别标注的框数： jishui 框数 = 902 总框数：902 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。