智慧铁路轨道安全螺栓缺失异物检测数据集VOC+YOLO格式2105张3类别有增强

作品简介

注意数据集中图片原图只有240张左右剩余为增强图片,都是一个场景拍的,注意看图片

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):2105

标注数量(xml文件个数):2105

标注数量(txt文件个数):2105

标注类别数:3

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):["bottle","box","missing bolt"]

每个类别标注的框数:

bottle(瓶子) 框数 = 831

box(箱子) 框数 = 170

missing bolt(螺栓缺失) 框数 = 2663

总框数:3664

每个类别占有图片数:

bottle(瓶子) 占有图片数 = 831

box(箱子) 占有图片数 = 170

missing bolt(螺栓缺失) 占有图片数 = 1409

图片分辨率:640x360

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: