Advertisement

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

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

简介：
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

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
     
  • 电力场景输电线路外部破坏检测数据集（VOC+YOLO格式，含5187张图片，6个类别）.zip
    优质
    本数据集包含5187张图片和6种类别标签，采用VOC及YOLO格式标注，旨在支持电力场景下输电线路外部破坏的检测与识别研究。 样本图：请在电脑端资源预览查看并下载。 重要说明：数据集包含1000多张原图及增强后的图片，并已全部标注完成。 数据格式：Pascal VOC格式与YOLO格式（不含分割路径的txt文件，仅含jpg图片、VOC格式xml文件和yolo格式txt文件）。 图片数量(jpg)：5187 标注数量(xml)：5187 标注数量(txt)：5187 类别数及框数： - 标注类别名称包括[backhoe, building, crane, tower, tree, truck] - backhoe 框数 = 2638 - building 框数 = 8789 - crane 框数 = 1322 - tower 框数 = 6954 - tree 框数 = 4009 - truck 框数 = 3922 总框数：27634 使用标注工具：labelImg 标注规则：对类别进行矩形框标记。
     
  • 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。
     
  • 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。
     
  • 输电线路覆冰检测数据集（VOC+YOLO格式）1983张图片，3个类别.zip
    优质
    本数据集包含1983张图像，涵盖输电线路覆冰情况的三个分类，采用VOC与YOLO双格式存储，适用于训练智能检测模型。 样本图：请访问服务器下载资源，并务必在电脑端预览或查看详情后再进行下载。 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、VOC格式xml文件及yolo格式txt文件。 - 图片数量（jpg文件个数）：1983 - 标注数量（xml文件个数）：1983 - 标注数量（txt文件个数）：1983 标注类别总数为3，具体如下： - ice 框数 = 3253 - line 框数 = 69 - snowline 框数 = 743 总计框数为4065。 使用工具：labelImg。对各类别进行矩形标注。 特别说明：本数据集不保证训练模型或权重文件的精度，仅提供准确且合理的标注信息。
     
  • 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。
     
  • 变电站缺陷检测数据集(VOC+YOLO格式)含8307张图片，17个类别.7z
    优质
    本数据集包含8307张图像及标注信息，涵盖17类变电站设备缺陷，适用于目标检测任务，采用VOC和YOLO双格式存储。压缩文件后缀为.7z。 数据集格式采用Pascal VOC与YOLO两种格式，并且不含分割路径的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）：8307 - 标注数量（xml文件个数）：8307 - 标注数量（txt文件个数）：8307 - 标注类别总数为17，具体名称如下： - bj_bpmh - bj_bpps - bj_wkps - bjdsyc - gbps - hxq_gjbs - hxq_gjtps - jyz_pl - kgg_ybh - sly_dmyw - wcaqm - wcgz - xmbhyc - xy - yw_gkxfw - yw_nc - ywzt_yfyc
     
  • 电力系统隔离开关状态识别检测数据集（VOC+YOLO格式，含50张图片，2个类别）.7z
    优质
    本数据集包含50张图片及对应标注文件，旨在支持基于VOC与YOLO格式的电力系统隔离开关状态识别研究，涵盖正常和异常两类状态。 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）：50 标注数量（xml文件个数）：50 标注数量（txt文件个数）：50 标注类别数：2 标注类别名称：[close, open] 每个类别标注的框数： - close 框数 = 42 - open 框数 = 8 总框数：50 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：暂无 特别声明：本数据集不对训练模型或权重文件的精度做出任何保证，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。