无人机视角航拍城市道路裂缝坑洞缺陷检测数据集VOC+YOLO格式999张7类别

作品简介

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):999

标注数量(xml文件个数):999

标注数量(txt文件个数):999

标注类别数:7

所在github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):["alligator_crack","block_crack","longitudinal_crack","oblique_crack","pothole","repair","transverse_crack"]

每个类别标注的框数:

alligator_crack(龟裂/网状裂缝) 框数 = 81

block_crack(块状裂缝) 框数 = 3

longitudinal_crack(纵向裂缝) 框数 = 602

oblique_crack(斜向裂缝) 框数 = 56

pothole(坑槽) 框数 = 8

repair(修补) 框数 = 219

transverse_crack(横向裂缝) 框数 = 637

总框数:1606

每个类别占有图片数:

alligator_crack(龟裂/网状裂缝) 占有图片数 = 72

block_crack(块状裂缝) 占有图片数 = 3

longitudinal_crack(纵向裂缝) 占有图片数 = 463

oblique_crack(斜向裂缝) 占有图片数 = 46

pothole(坑槽) 占有图片数 = 8

repair(修补) 占有图片数 = 162

transverse_crack(横向裂缝) 占有图片数 = 506

图片分辨率:512x512

使用标注工具:labelImg

标注规则:对类别进行画矩形框

重要说明:数据集没有划分训练验证测试集需自行划分

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: