Advertisement

汽车缺陷检测的目标检测数据集

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


简介:
包含训练集、验证集、对应标签、class文件 包括训练数据集、测试数据集、相应的标注信息以及类别的分类文件 目标检测所用的数据集:car defect detection【包括训练数据集、测试数据集、相应的标注信息以及类别的分类文件数据集被转换为YOLO格式,可用于YOLO系列网络的统一训练。show脚本可用于生成和展示对应的label文件。首先,将数据集解析为YOLO格式并导入Yolo框架进行统一训练;随后,利用show脚本自动生成与训练模型匹配的label文件,并将其加载到YOLO模型中进行可视化显示。具体类别参考class类别文本文件 具体类别参考class类别文本文件 类别数量是17种:包括车灯损坏、车门损坏等。该数据集约3000张图片,并通过LabelMe进行注释的文件。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 图像:采用VOC注格式
    优质
    本数据集为汽车缺陷检测设计,基于VOC标准进行标注,包含大量标记清晰的目标检测图片,旨在促进自动驾驶与智能车辆领域的研究。 目标检测数据集:汽车缺陷检测图像数据集【VOC标注格式】,数据保存按照文件夹形式存放,经测试可以直接用于目标检测任务,无需额外处理。 【数据集详情】包含3000多张图片及对应的xml标注文件和类别信息的json文件。 标签类别包括门外凹痕、发动机罩凹痕、车身面板凹痕等17个类别。
  • 光伏板
    优质
    本数据集专为光伏板缺陷检测设计,采用目标检测技术,包含大量标注清晰的光伏组件图像,旨在提升太阳能电站运维效率和光伏发电性能。 本数据集包含用于光伏板缺陷检测的图片及标签文件,适用于YOLO系列、Faster R-CNN、SSD等多种模型训练。数据集中共有2400张图片,标注了三种类型的缺陷:Crack(裂缝)、Grid(网格)和Spot(斑点)。文件中包括图片、txt格式的标签以及描述类别信息的yaml文件,并且还包括xml格式的标签文件。已将所有图像及对应的txt标签划分为训练集、验证集和测试集,可以直接用于YOLO算法的训练。
  • 优质
    本数据集包含多种工业产品在生产过程中的图像和相关信息,旨在帮助识别并分类各种制造缺陷,提升产品质量控制效率与精度。 缺陷检测/瑕疵检测数据集包括含有瑕疵图片的训练集和验证集。
  • 针对苹果
    优质
    本数据集专注于识别和分类苹果在图像中的各种缺陷,旨在为农业及食品行业提供精准可靠的苹果质量评估工具。 该数据集包含七百多张苹果的照片及其对应的标签XML文件,适用于目标检测练习。希望对深度学习初学者有所帮助(研究此数据集可能不太合适)。
  • PCB识别
    优质
    本数据集专注于PCB(印制电路板)缺陷识别,采用先进的图像处理技术,旨在提升电子制造业中的自动检测精度。通过深度学习模型进行目标检测,有效减少人工检查误差和成本。 PCB缺陷数据已在实际生产线上收集并已分类,这些数据非常宝贵。
  • 桥梁识别
    优质
    本数据集专注于桥梁结构中的缺陷检测与目标识别,旨在通过图像分析技术提高桥梁安全评估的准确性和效率。 目标检测数据集:桥梁缺陷检测,包含训练集、验证集、对应标签及class文件。 该数据集已转换为YOLO格式,适用于所有系列的网络模型训练。使用show脚本可以将标注框绘制在图像上以进行可视化展示。 类别数量(5)包括腐蚀、裂纹、白石灰、泄漏和剥落等【具体分类请参考class文本段落件】。 数据集中包含超过3000张图像及通过LabelMe工具制作的标签文件。
  • 重写后题:混凝土
    优质
    本数据集专注于混凝土结构中的各种缺陷检测,采用先进的计算机视觉技术进行目标识别与分析,旨在提升建筑质量监控效率。 YOLO与VOC格式的混凝土缺陷检测数据集适用于YOLO系列、Faster R-CNN、SSD等模型训练。该数据集中包含六类缺陷:裸露钢筋(exposed reinforcement)、锈迹(rust stain)、裂缝(Crack)、剥落(Spalling)、白霜(Efflorescence)和分层(delamination),共有7353张图片。文件中包括图片、txt标签以及指定类别信息的yaml文件和xml标签,并已将数据划分为训练集、验证集和测试集,可以直接用于YOLO算法的训练。