电力场景无人机巡检数据集杆塔缺陷检测数据集VOC+YOLO格式1720张12类别

作品简介

注意数据集中有部分增强图片

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):1720

标注数量(xml文件个数):1720

标注数量(txt文件个数):1720

标注类别数:12

所在仓库:firc-dataset

标注类别名称(注意yolo格式类别顺序不和这个对应,而以labels文件夹classes.txt为准):["barbed_wire","barbed_wire_missing","bend_part","bolt_missing","foreign_material","loose_part","missing_part","missing_plate","position_andcondition","rusted","split_pin_missing","vegetation"]

每个类别标注的框数:

barbed_wire (带刺铁丝网) 框数 = 73

barbed_wire_missing (带刺铁丝网缺失) 框数 = 201

bend_part (部件弯曲) 框数 = 135

bolt_missing (螺栓缺失) 框数 = 497

foreign_material (异物) 框数 = 258

loose_part (部件松动) 框数 = 292

missing_part (部件缺失) 框数 = 16

missing_plate (板材缺失) 框数 = 607

position_andcondition (位置与状态异常) 框数 = 318

rusted (锈蚀) 框数 = 238

split_pin_missing (开口销缺失) 框数 = 301

vegetation (植被) 框数 = 420

总框数:3356

图片分辨率:640x640

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

图片预览:



标注例子:




创作时间: