Advertisement

齿轮瑕疵检测数据集(VOC+YOLO格式),含2978张图片,3个类别.7z

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


简介:
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 齿VOC+YOLO),29783.7z
    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。
  • 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。
  • 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。
  • 传送带VOC+YOLO1238,2).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。
  • 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。
  • 齿健康状况VOC+YOLO27923).zip
    优质
    本数据集包含2792张图像,旨在用于牙齿健康的自动检测与分类,采用VOC和YOLO两种标注格式,并涵盖三类不同的牙齿健康状况。 样本图参考的文件较大,请先查看资源详情并下载。 数据集格式为Pascal VOC与YOLO格式(不包含分割路径的txt文件,仅包括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(即jpg文件个数):2792 标注数量(xml文件个数):2792 标注数量(txt文件个数):2792 数据集中包含的类别总数为3,具体包括“decaycavity”、earlydecay和healthytooth。这些分别是龋齿、早期龋齿以及健康牙齿。
  • 拐杖(VOC+YOLO2778,1).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。
  • 小麦病害VOC+YOLO),899,12.7z
    优质
    本数据集包含899张图片及12种类别的小麦病害标注信息,同时提供VOC和YOLO两种格式文件,便于模型训练与检测。 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文件及yolo格式txt文件。 - 图片数量:899张 - 标注数量(xml文件):899个 - 标注数量(txt文件):899个 标注类别包括12种,具体如下: - CrownAndRootRot 框数 = 268 - HealthyWheat 框数 = 282 - LeafRust 框数 = 131 - PowderyMildew 框数 = 323 - WheatAphids 框数 = 173 - WheatCystNematode 框数 = 103 - WheatLooseSmut 框数 = 171 - WheatRedSpider 框数 = 182 - WheatScab 框数 = 300 - WheatSharpEyespot 框数 = 105 - WheatStalkRot 框数 = 136 - WheatTake-all 框数 = 117 总框数:2291个。 使用标注工具为labelImg,规则是对类别进行矩形框标注。