首页 > 其他分享 >电力场景变电站继电保护控制柜屏幕检测数据集VOC+YOLO格式1103张6类别

电力场景变电站继电保护控制柜屏幕检测数据集VOC+YOLO格式1103张6类别

时间:2024-09-06 20:53:09浏览次数:13  
标签:框数 文件 VOC YOLO 1103 类别 格式 标注

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):1103
标注数量(xml文件个数):1103
标注数量(txt文件个数):1103
标注类别数:6
标注类别名称:["MuXianBaoHuPing","ZhiLiuPeiDianPing","ZhiLiuZhengLiuPing","ZhuBianBaoHu1HeBingDanYuanPing","ZhuBianBaoHu2ZhiNengZhongDuanPing","ZhuBianBaoHuPing"]
每个类别标注的框数:
MuXianBaoHuPing 框数 = 183
ZhiLiuPeiDianPing 框数 = 188
ZhiLiuZhengLiuPing 框数 = 175
ZhuBianBaoHu1HeBingDanYuanPing 框数 = 182
ZhuBianBaoHu2ZhiNengZhongDuanPing 框数 = 186
ZhuBianBaoHuPing 框数 = 189
总框数:1103
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:

下载地址:https://download.csdn.net/download/FL1623863129/89664235

标签:框数,文件,VOC,YOLO,1103,类别,格式,标注
From: https://blog.csdn.net/futureflsl/article/details/141858134

相关文章

  • 打架行为检测数据集VOC+YOLO格式7327张2类别
    数据集格式:PascalVOC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):7327标注数量(xml文件个数):7327标注数量(txt文件个数):7327标注类别数:2标注类别名称:["fight","nofight"]每个类别标注的框......
  • 电力场景变电站红外图像电压电流互感器检测数据集VOC+YOLO格式889张7类别
    数据集格式:PascalVOC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):889标注数量(xml文件个数):889标注数量(txt文件个数):889标注类别数:7标注类别名称:["Chave_H_230kV","Chave_V_230kV","DISJUNT......
  • 电力场景红外图像电力设备部件检测数据集VOC+YOLO格式3930张7类别
    数据集格式:PascalVOC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):3930标注数量(xml文件个数):3930标注数量(txt文件个数):3930标注类别数:7标注类别名称:["arrester","breaker","bushing","curre......
  • 船舶目标检测数据集(VOC和YOLO格式)
    数据集名称:船舶目标检测数据集数据集规模:该数据集包含12,000张带标注的图像,专注于船舶目标的检测。标注格式:数据集提供了两种常用的标注格式:VOC和YOLO格式,这两种格式广泛应用于目标检测任务中。VOC格式:通常包含XML文件,其中详细记录了每个目标的位置信息(边界框)、类别......
  • 用YOLOv8模型实现目标检测、姿势识别、图像分割(视频跟踪)
    简介YOLO(youonlylookonce)是一阶段目标检测模型的开山之作,在图像目标检测领域一向以响应速度快著称,它同是兼顾了模型的准确性,在两者之间做到很好的平衡。经过多版本迭代,到YOLOv8,是一个功能强大,受到广大开发者欢迎与喜爱的目标检测模型,另外,在同一套代码中,它可以分别实现图......
  • YOLOv9改进策略【注意力机制篇】| GAM全局注意力机制: 保留信息以增强通道与空间的相互
    一、本文介绍本文记录的是基于GAM注意力模块的YOLOv9目标检测改进方法研究。GAM注意力模块通过3D排列和重新设计的子模块,能够在通道和空间方面保留信息,避免了先前方法中由于信息减少和维度分离而导致的全局空间-通道交互丢失的问题。本文利用GAM改进YOLOv9,以增强模型的跨维......
  • YOLOv8改进 | 注意力篇 | YOLOv8引入YOLO-Face提出的SEAM注意力机制优化物体遮挡检测
    1. SEAM介绍1.1 摘要:近年来,基于深度学习的人脸检测算法取得了长足的进步。这些算法通常可以分为两类,即像FasterR-CNN这样的两级检测器和像YOLO这样的一级检测器。由于精度和速度之间具有更好的平衡,一级探测器已广泛应用于许多应用中。在本文中,我们提出了一种基于......
  • yolov5单目测距+速度测量+目标跟踪
    要在YOLOv5中添加测距和测速功能,您需要了解以下两个部分的原理:单目测距算法单目测距是使用单个摄像头来估计场景中物体的距离。常见的单目测距算法包括基于视差的方法(如立体匹配)和基于深度学习的方法(如神经网络)。基于深度学习的方法通常使用卷积神经网络(CNN)来学习从图像......
  • YOLOv8 detect person only
    demo.pyfromioimportBytesIOfrompathlibimportPath#pipinstallopencv-pythonpillowultralyticsimportcv2fromPILimportImagefromultralyticsimportYOLO#type:ignore[import-untyped]filename="test.jpg"model=YOLO("yolov......
  • YOLOv8改进 | 注意力篇 | YOLOv8引入MSCAAttention(MSCA)注意力机制
    1. MSCA介绍1.1 摘要:我们提出了SegNeXt,一种用于语义分割的简单卷积网络架构。由于自注意力在编码空间信息方面的效率,最近基于变压器的模型在语义分割领域占据了主导地位。在本文中,我们证明卷积注意力是一种比Transformer中的自注意力机制更高效、更有效的编码上下文......