Advertisement

轨道扣件缺陷图像数据集（约2000张），划分比例为7:2:1

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

简介：
本数据集包含约2000张轨道扣件缺陷图像，按训练、验证和测试以7:2:1的比例进行划分，旨在支持相关领域的研究与应用。 轨道扣件缺陷数据集包含约2000张图片，数据集按照7:2:1的比例进行划分。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 轨道扣件缺陷图像数据集（约2000张），划分比例为7:2:1
    优质
    本数据集包含约2000张轨道扣件缺陷图像，按训练、验证和测试以7:2:1的比例进行划分，旨在支持相关领域的研究与应用。 轨道扣件缺陷数据集包含约2000张图片，数据集按照7:2:1的比例进行划分。
  • 带有标签的大豆种子缺陷图像分类数据集（约5,500张）
    优质
    本数据集包含约5,500张带有标签的大豆种子缺陷图像，旨在支持机器学习模型识别大豆种子的各种瑕疵类型。 大豆种子缺陷图像分类数据集【已标注，约5,500张数据】 分类个数：5（破碎、完整、斑点等）【详细类别请查看json文件】 该数据集已经划分了训练集与测试集，并分别存放各自同一类别的图片。如需可视化数据集，请运行资源中的show脚本。 有关图像分类网络改进的内容，可参考相关博客文章；同时也有一个完整的计算机视觉项目可供学习和参考。
  • RSDDs铁路轨道表面缺陷数据集
    优质
    RSDDs铁路轨道表面缺陷数据集是一个专门用于检测和分类铁路轨道表面各种损伤类型的高质量图像数据库，旨在提高轨道维护效率与安全性。 RSDDs铁轨表面缺陷数据集包含了用于检测和分析铁路轨道表面各种缺陷的图像和相关信息。该数据集旨在帮助研究人员开发更有效的算法来识别并修复铁路轨道上的问题，从而提高运输安全性和效率。
  • PCB缺陷图像数据集-含693张JPG图片
    优质
    本数据集包含693张JPEG格式的PCB（印刷电路板）缺陷图像，旨在为机器学习算法提供训练和测试资源，以提高对PCB缺陷检测的准确性和效率。 PCB缺陷数据集包含693个jpg文件。
  • 道路图像中坑洼检测，数据集包含665张图片，缺陷类型为pothole
    优质
    本项目专注于开发用于识别和分类道路图像中的坑洼（potholes）的技术。我们构建了一个数据集，其中包含了665张各种条件下的道路图像，专门针对单一的缺陷类型——坑洼进行检测。这一研究旨在提升路面维护效率与准确性。 我们有一个包含665张图像的数据集，用于检测道路中的坑洼（pothole）。
  • 用于测试的轨道表面缺陷数据集
    优质
    本数据集专为评估轨道表面缺陷检测算法设计，包含各类典型缺陷图像及标注信息，旨在促进铁路维护领域的研究与应用。 谁有用就拿走吧。
  • 铁路轨道螺栓图像数据集（47张）
    优质
    本数据集包含47张铁路轨道螺栓的高质量图片，旨在为机器学习模型提供训练素材，以提升对铁路基础设施关键部件缺陷检测的准确性。 为铁道病害检测研究方向的学者提供数据集资源。本数据集包含47张铁道固定螺栓的图像。如需更多相关数据集，请评论告知，作者会第一时间放出供学者研究使用。
  • 混凝土缺陷图像的数据集，包含56100张图片
    优质
    本数据集包含了56,100张用于识别和分类混凝土缺陷的高质量图像，旨在促进相关领域的研究与开发。 混凝土缺陷图像分类数据集包含56100张图片。
  • 高品质铁路轨道缺陷检测数据集（含1050张图片，6个类别）.7z
    优质
    本数据集提供高品质铁路轨道缺陷检测所需的图像资料，包含1050张图片及六大分类标签，旨在提升自动化检测系统的准确性和效率。 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、VOC格式xml标注文件及yolo格式txt文件。 - 图片数量：1050张 - 标注数量（xml）：1050个 - 标注数量（txt）：1050个 标注类别共6种： - cuowei (铁轨缝隙有石头) - duanlie (轨道断裂) - lieheng (轨道出现裂痕) - luoshansongdong (螺丝松动) - shaoluoshuan (少螺栓) - zhuoshang (轨道灼伤) 各类别标注框数： - cuowei：54个 - duanlie：553个 - lieheng：11个 - luoshansongdong：21个 - shaoluoshuan：780个 - zhuoshang：26个 总标注框数为1445。 使用工具为labelImg，对类别进行矩形框绘制。