Advertisement

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

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


简介:
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • VOC+YOLO502).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。
  • 高铁受VOC+YOLO),包12452.7z
    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。
  • 昆虫VOC+YOLO),1873,7.7z
    优质
    本数据集包含1873张图像和七个不同的昆虫类别,采用VOC与YOLO兼容格式,适用于昆虫识别任务的模型训练和验证。 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):1873 标注数量(xml 文件个数):1873 标注数量(txt 文件个数):1873 标注类别数目:7 标注类别名称:Boerner, Leconte, Linnaeus, acuminatus, armandi, coleoptera, 和linnaeus 每个类别的标注框数: - Boerner 框数 = 1859 - Leconte 框数 = 2711 - Linnaeus 框数 = 1046 - acuminatus 框数 = 1130 - armandi 框数 = 1932 - coleoptera 框数 = 2163 - linnaeus 框数 = 907 总框数:11748 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。
  • 设备漏油VOC+YOLO338,1).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。
  • 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。
  • 岩石VOC+YOLO),4766,9.7z
    优质
    本数据集包含4766张用于岩石类型识别的图像,涵盖九种类别。采用VOC和YOLO兼容格式,便于训练高效的目标检测模型。压缩文件为7z格式。 数据集格式为Pascal VOC格式与YOLO格式(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:4766张 标注数量: - xml文件个数:4766份 - txt文件个数:4766份 标注类别总数为9种,具体名称如下: 1. Igneous_Basalt 2. Igneous_Diorite 3. Igneous_Granite 4. Metamorphic_Marble 5. Metamorphic_Quartize 6. Sedimentary_Chalk 7. Sedimentary_Limestone 8. Sedimentary_Sandstone 9. Sedimentary_coal
  • 场景输线悬垂线夹VOC+YOLO25382).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
  • 管道焊缝质量VOC+YOLO11342).7z
    优质
    本数据集包含1134张用于管道焊缝质量检测的图像,涵盖两个关键类别,并采用VOC和YOLO两种格式标注,适用于机器学习与深度学习研究。 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):1134 标注数量(xml文件个数):1134 标注数量(txt文件个数):1134 标注类别数:2 标注类别名称:bad,good 每个类别标注的框数: - bad 框数 = 565 - good 框数 = 431 总框数:996 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
  • 无人机与飞鸟VOC+YOLO66472).7z
    优质
    本数据集包含6647张图像,用于训练和测试无人机与飞鸟识别模型。采用VOC及YOLO格式标注,涵盖两个分类目标,适用于开发高效的鸟类监测系统。 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):6647 标注数量(xml文件个数):6647 标注数量(txt文件个数):6647 标注类别数:2 标注类别名称:[Bird, Drone] 每个类别标注的框数: - Bird 框数 = 3567 - Drone 框数 = 4290 总框数:7857 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。