Advertisement

包含1441张图像的探地雷达金属检测数据集,采用VOC和YOLO格式,分为3个类别。

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


简介:
文件体积庞大,建议通过服务器提供的下载链接进行获取,务必前往电脑端资源详情页面进行确认并下载。 数据集采用Pascal VOC格式与YOLO格式,请注意,该格式不包含分割路径的txt文件,仅提供jpg图片以及对应的VOC格式xml文件和yolo格式txt文件。 图像数量(jpg文件总数):1441 标注数量(xml文件总数):1441 标注数量(txt文件总数):1441 所包含的标注类别总数:3 标注类别名称包括:metallic、non-metallic和nonmetalic。 每个类别对应的标注框数量如下: metallic 标注框数量:1254个 non-metallic 标注框数量:453个 nonmetalic 标注框数量:504个 总的标注框数量:2211个 用于标注的工具为labelImg。 标注方法遵循对每个类别进行矩形框绘制的规则。 请注意,本数据集并未提供任何关于训练模型或权重文件精度的保证,数据集仅保证提供准确且合理的标注信息。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 猫行VOCYOLO5997片,共五
    优质
    该资源为[数据集][目标检测]形式的“猫的行为识别”数据集,采用VOC与YOLO融合的格式,包含5,997张图片,涵盖5个分类类别。
  • 齿轮瑕疵VOC+YOLO),2978片,3.7z
    优质
    本数据集提供了一个包含2978张图片的齿轮瑕疵检测资源库,采用VOC与YOLO双格式标注,涵盖三种不同类型的缺陷。 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):2978 标注数量(xml文件个数):2978 标注数量(txt文件个数):2978 标注类别数:3 标注类别名称:[break, lack, scratch] 每个类别标注的框数: - break 框数 = 1000 - lack 框数 = 980 - scratch 框数 = 4317 总框数:6297 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。
  • RSNA肺炎VOC+YOLO),6012,1.7z
    优质
    该数据集包含6012张图像,专门用于训练和评估肺炎检测模型,以VOC和YOLO两种格式提供,便于快速集成到不同类型的深度学习项目中。 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):6012 标注数量(xml文件个数):6012 标注数量(txt文件个数):6012 标注类别数:1 标注类别名称:[meat] 每个类别标注的框数: meat 框数 = 9555 总框数:9555 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,数据集只提供准确且合理标注
  • VOC+YOLO排污口(405片,3).zip
    优质
    本数据集包含405张图像和三个排污口相关类别标签,采用VOC与YOLO双格式标注,旨在提升排污口自动化检测效率与精度。 文件较大,请在服务器上下载,并务必查看资源详情后再进行下载。 数据集格式为Pascal VOC与YOLO格式(不含分割路径的txt文件),仅包含jpg图片、VOC格式xml文件及yolo格式txt文件。 - 图片数量:405张(jpg) - 标注数量:810个(xml和txt各405个) - 类别数:3 - EmptyPipe: 矩形框计数 = 100 - SewagePipe: 矩形框计数 = 374 - WaterPipe: 矩形框计数 = 65 总计矩形标注数量为539。 使用工具:labelImg,规则是对每个类别进行矩形框标注。 重要说明:暂无。
  • 拐杖(VOC+YOLO2778片,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。
  • 牙齿健康状况VOC+YOLO2792片,3).zip
    优质
    本数据集包含2792张图像,旨在用于牙齿健康的自动检测与分类,采用VOC和YOLO两种标注格式,并涵盖三类不同的牙齿健康状况。 样本图参考的文件较大,请先查看资源详情并下载。 数据集格式为Pascal VOC与YOLO格式(不包含分割路径的txt文件,仅包括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(即jpg文件个数):2792 标注数量(xml文件个数):2792 标注数量(txt文件个数):2792 数据集中包含的类别总数为3,具体包括“decaycavity”、earlydecay和healthytooth。这些分别是龋齿、早期龋齿以及健康牙齿。
  • 公司员工行VOC+YOLO3853片,3).zip
    优质
    本数据集包含3853张图片,采用VOC和YOLO格式标注,涵盖公司员工三种典型行为模式,适用于训练和评估员工行为监测系统。 样本图:请到服务器下载文件(务必使用电脑端资源详情查看并下载)。 数据集格式包括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(以jpg计数)为3853张,标注数量分别对应xml和txt各为3853个。数据集中有三个类别:normal、play与sleep。 各类别的标注框数量如下: - normal 类别框数 = 2761 - play 类别框数 = 736 - sleep 类别框数 = 847 总计矩形框的数量为4344个。使用labelImg工具进行标注,规则是对每个类别画出相应的矩形框。 重要说明:暂无其他特别说明。
  • 室内积水VOC+YOLO),761片,1.7z
    优质
    本数据集提供761张室内图像用于积水检测,采用VOC和YOLO双格式存储,专注于单一目标类别——积水区域的识别与标注。压缩包为7z文件格式。 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):761 标注数量(xml文件个数):761 标注数量(txt文件个数):761 标注类别数:1 标注类别名称:[jishui] 每个类别标注的框数: jishui 框数 = 902 总框数:902 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。
  • 【目标】番茄成熟度(6403VOC+YOLO).zip
    优质
    本数据集包含640张用于番茄成熟度分类的图像,涵盖未熟、半熟和全熟三个类别,以VOC及YOLO格式提供,适用于目标检测模型训练与验证。 数据集格式为Pascal VOC格式与YOLO格式(不含分割路径的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。该数据集中共有643张图片,每张图片都有相应的标注文件,即有643个xml文件和643个txt文件。整个数据集包含了三个不同的类别标签:“fully_ripened”(成熟的)、“green”(半成熟的)以及“half_ripened”(未成熟的绿色)。具体来说,“fully_ripened”的标注框数为1330,“green”的标注框数为5134,而“half_ripened”的标注框数则有1317个。总计共有7781个标注框。该数据集使用了labelImg工具进行标签制作和编辑工作。