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)：2871

标注数量(xml文件个数)：2871

标注数量(txt文件个数)：2871

标注类别数：6

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):["1","2","3","4","5","6"]

每个类别标注的框数：

1 框数 = 279

2 框数 = 1146

3 框数 = 1185

4 框数 = 538

5 框数 = 4705

6 框数 = 187

总框数：8040

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

图片预览：

标注例子：

数据举例

常见瑕疵实拍图示例如下：

针对某些缺陷在特定视角下的才能拍摄到，每块砖拍摄了三张图，包括低角度光照黑白图、高角度光照黑白图、彩色图，示例如下：

数据内容

• train_imgs：训练图片数据，jpg格式
• train_annos.json：训练标注数据，json格式
• Readme.md：说明文件

标注说明

训练标注是train_annos.json，内容如下：

[
    {
        "name": "226_46_t20201125133518273_CAM1.jpg",
        "image_height": 6000,
        "image_width": 8192,
        "category": 4,
        "bbox": [
            1587,
            4900,
            1594,
            4909
        ]
    },
    '''
    '''
]

具体说明如下：

• name是图片名，"226_46"代表砖的唯一id，"CAM1"代表相机1拍照所得，一般来说每块砖会有三张样本，分别是CAM1，CAM2，CAM3。
• image_height和image_width是图片高宽
• category"是类别id，
• bbox是目标框信息xyrb格式，分别指[左上角x坐标，左上角y坐标，右下角x坐标，右下角y坐标]

类别说明

id和瑕疵名的对应关系如下：

{
  "0": "背景",
  "1": "边异常",
  "2": "角异常",
  "3": "白色点瑕疵",
  "4": "浅色块瑕疵",
  "5": "深色点块瑕疵",
  "6": "光圈瑕疵"
 }