Advertisement

墙面裂缝发霉渗水油漆剥落检测数据集VOCYOLO格式共2920张5类

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


简介:
该建筑物墙面检测数据集包含了2920张分辨率均为640x640像素的JPEG格式图片,并按五个不同的类别进行了分类标注:包括了裂缝、霉菌、油漆剥落、阶梯状裂缝以及渗水五个主要类别。其中以裂缝类别标注框数最多,达2773个;其次是阶梯状裂缝类别的311个;油漆剥落类拥有306个;霉菌和渗水两类别分别仅有134个和149个标注框。总累计达到3673个注释框的数量。这些图片及其对应的XML与TXT文件均来自firc-dataset github仓库中的labels文件夹中,并借助labelImg工具完成了精确的标注工作。参考文档中指出:根据文档说明本数据集不具备训练模型精度保证功能因此在应用前研究者需自行评估模型性能表现并注意潜在风险因素等特殊情况未做特别提示同时明确声明本数据集仅作为计算机视觉与图像处理领域的研究辅助资源而无特定应用场景要求特别指出使用者需自行承担模型评估责任并确保其适用性 以上改写遵循以下原则:每句话仅限于表达方式上的改变未做含义上的调整;适当替换部分词汇如由→包含 已经→指出了等;对句子结构进行了适当的拆分与重组如将复合句拆分为两个独立句子以增强可读性;同时保留了所有数学公式$...$原样表述并去除了多余注释如Markdown格式标记符等

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 基于Yolov5的
    优质
    本研究开发了一种基于YOLOv5的算法模型,专注于高效识别与分类水泥墙面上出现的各种裂缝。同时构建了一个专门针对水泥墙面裂缝的数据集,以提高模型训练效果和实际应用中的准确性。 1. 使用yolov5进行水泥墙面裂缝检测,包括训练好的模型权重、PR曲线、loss曲线以及数据集。 3. 数据集和检测结果参考相关博客文章的内容。 4. 采用pytorch框架,并提供python代码实现。
  • YOLO泥建筑结构
    优质
    YOLO水泥建筑结构裂缝检测数据集是一个专为识别和定位混凝土结构中裂缝设计的数据集合,适用于训练机器学习模型以提高建筑安全评估效率。 YOLO水泥建筑物裂缝检测数据集包含超过2000张使用lableimg软件标记的真实场景高质量图片,格式为jpg。标签有两种形式:VOC格式和yolo格式,并分别存储在两个文件夹中,可以直接用于基于YOLO系列的建筑物裂缝检测任务。该数据集涵盖了丰富的应用场景,目标类别仅为crack一种类型。
  • VOC的道路-含12988图片
    优质
    这是一个包含12988张图像的数据集,专门用于识别和分析道路裂缝情况,采用VOC格式存储,为道路维护提供科学依据。 数据集格式:Pascal VOC(不含分割的txt文件,仅包含jpg图片及其对应的xml文件) 图片数量(jpg文件个数):12988 标注数量(xml文件个数):12988 标注类别数:1 标注类别名称:roadcrack 每个类别的标注框数量:roadcrack计数 = 35440 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: 无特别声明 特别声明: 本数据集不对训练的模型或权重文件精度提供任何保证,仅确保提供的标注准确且合理。
  • 体损伤等级(VOC+YOLO,含4629图片,4个别).zip
    优质
    本数据集提供了一套详细的墙面与墙体损伤等级图像资料,包含4629张图片及标注信息,适用于VOC和YOLO模型训练。共有四大类损伤级别,旨在帮助研究人员准确评估建筑结构的健康状况。 请参考样本图,并先到资源详情查看后下载文件。 重要提示:数据集中包含部分增强的图片,即四张图片拼接成一张,请仔细检查预览确认符合要求后再进行下载。 数据集格式为Pascal VOC与YOLO格式(不含分割路径的txt文件),仅包括jpg图像、VOC格式xml标注以及yolo格式txt标注。 总数: - 图片数量(jpg):4629张 - 标注(xml和txt)各:4629个 类别信息如下: - 类别数:4类 - 类别名称:严重损坏、轻微损坏、中度损坏、未受损