5. 数据集划分 确保你的数据集已经按照8:2的比例划分成训练集和验证集。如果没有,可以使用以下Python脚本进行划分: python深色版本 import os import random import shutil # 数据集路径 dataset_dir = 'damper_defect_detection_dataset' images_dir = os.path.join(dataset_dir, 'images') labels_dir = os....
每个类别标注的框数: 绝缘子放电痕迹 flashover count = 1265 绝缘子 insulator count = 1948 绝缘子破损 damaged count = 1109 防震锤 fzc count = 91 鸟巢nest count = 12 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...
数据集名称:Anti-Vibration Hammer Defect Detection Dataset (AVHDDD) 数据类型:图像 目标任务:防震锤缺陷检测 样本数量:1000张图像 标注格式:VOC (XML) 和 YOLO (TXT) 类别:2类 无缺陷 (none_defective) 缺陷(defective) 数据集统计 无缺陷 (none_defective):636张图像,1808个框 缺陷(defective):831张图像,...
多样性:涵盖输电线路中常见的五种缺陷类型,提供了丰富的训练样本。 数据增强:经过数据增强处理后,各类缺陷的数量分别为:绝缘子自爆1828张、绝缘子破损和闪络1467张、鸟巢4370张、防震锤脱落1050张、绝缘子破损与闪络2185张。 标注格式:使用LabelMe工具进行了详细标注,每张图片都有一个对应的XML文件,记录了图像中每个缺陷...
重要说明:防震锤缺陷图片太难找,数据集里面存在大量单一场景图片,请仔细查看图片预览谨慎下载,此外数据集均为小目标检测,如果训练map偏低属于正常现象 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) ...
高压塔线路行业数据集-防震锤数据集主要用于深度学习(yolo系列算法,faster-rcnn算法等)研究,共1000张 ,样本数量2700+,voc。标签为缺陷和未缺陷,样本比为933:1808 如何使用 YOLOv8 训练防震锤高压塔线路行业数据集的详细步骤。这个数据集主要用于检测高压塔线路上的防震锤是否存在缺陷,数据集包含1000张图片,共2700+个...
训练好的模型为yolov5l模型,可直接提供权重文件和生成的所有数据图,利用权重文件可直接进行测试。绝缘子、绝缘子掉串、绝缘子破损、绝缘子闪络、防震锤、防震锤缺陷、鸟巢 标注:insulator, insulator_stringdrop, insulator_breakage, insulator_flashover, damper, damper_defect, nest 电力缺陷检测数据集介绍 数据集概述 ...
数据集名称:Anti-Vibration Hammer Defect Detection Dataset (AVHDDD) 数据类型:图像 目标任务:防震锤缺陷检测 样本数量:1000张图像 标注格式:VOC (XML) 和 YOLO (TXT) 类别:2类 无缺陷 (none_defective) 缺陷(defective) 数据集统计 无缺陷 (none_defective):636张图像,1808个框 缺陷(defective):831张图像,...
输电线路 Damper防震锤缺陷检测数据集 共1000张,标注文件有VOC的xml格式和YOLO的txt 格式。 各类别计数: { '0': 933,'1': 1808} 共两个类别:defective,none_defective 分辨率600*400 数据增强过 数据集包含1000张输电线路 Damper 防震锤图像,标注文件有两种格式:VOC的xml格式和YOLO的txt格式。数据集分为训练...
训练好的模型为yolov5l模型,可直接提供权重文件和生成的所有数据图,利用权重文件可直接进行测试。绝缘子、绝缘子掉串、绝缘子破损、绝缘子闪络、防震锤、防震锤缺陷、鸟巢 标注:insulator, insulator_stringdrop, insulator_breakage, insulator_flashover, damper, damper_defect, nest 电力缺陷检测数据集介绍 数据集概述 ...