news 2026/6/15 22:45:54

室内墙面建筑物墙壁油漆剥落滴痕污渍表面不平检测数据集VOC+YOLO格式3011张6类别

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
室内墙面建筑物墙壁油漆剥落滴痕污渍表面不平检测数据集VOC+YOLO格式3011张6类别

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):3011

标注数量(xml文件个数):3011

标注数量(txt文件个数):3011

标注类别数:6

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):["paint_drips","peeling_paint","pin_holes","rough_and_patchy_surface","stain_marks","trowels_marks"]

每个类别标注的框数:

paint_drips (油漆滴痕) 框数 = 408

peeling_paint (油漆剥落) 框数 = 688

pin_holes (针孔) 框数 = 14234

rough_and_patchy_surface (粗糙不平的表面) 框数 = 493

stain_marks (污渍) 框数 = 1980

trowels_marks (镘刀痕) 框数 = 1198

总框数:19001

图片分辨率:多分辨率图片,如640x640,861x485等

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

图片预览:

标注例子:

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/14 18:42:54

ResNet18避坑指南:云端GPU自动配环境,告别CUDA报错

ResNet18避坑指南:云端GPU自动配环境,告别CUDA报错 引言 如果你正在尝试在本地电脑上部署ResNet18模型,很可能已经遇到了各种令人头疼的环境配置问题——CUDA版本不匹配、PyTorch安装失败、依赖库冲突...这些报错信息足以让任何一个开发者抓…

作者头像 李华
网站建设 2026/6/15 16:03:59

Pspice仿真COT控制模式开关电源的操作指南

手把手教你用Pspice仿真COT控制开关电源:从原理到实战无死角解析你有没有遇到过这样的场景?设计一款为CPU或FPGA供电的Buck电路,客户要求负载跳变时输出电压跌落不能超过5%,恢复时间要小于10μs。你选了号称“瞬态响应快”的COT控…

作者头像 李华
网站建设 2026/6/15 17:56:49

如何在Docker容器中高效运行Windows系统

如何在Docker容器中高效运行Windows系统 【免费下载链接】windows Windows inside a Docker container. 项目地址: https://gitcode.com/GitHub_Trending/wi/windows 传统Windows系统部署往往需要大量资源,但通过Docker容器技术,我们可以实现Wind…

作者头像 李华
网站建设 2026/6/15 1:16:59

TradingAgents-CN实战部署全攻略:打造你的AI投资大脑

TradingAgents-CN实战部署全攻略:打造你的AI投资大脑 【免费下载链接】TradingAgents-CN 基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版 项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN 想要拥有一个24小时不间断的智能…

作者头像 李华
网站建设 2026/6/15 14:55:19

零样本分类技术解析:StructBERT的注意力机制

零样本分类技术解析:StructBERT的注意力机制 1. 引言:AI 万能分类器的时代来临 在自然语言处理(NLP)领域,文本分类一直是核心任务之一。传统方法依赖大量标注数据进行监督学习,但在实际业务中&#xff0c…

作者头像 李华
网站建设 2026/6/15 19:28:28

AI万能分类器技术揭秘:为何无需训练即可高效分类

AI万能分类器技术揭秘:为何无需训练即可高效分类 1. 技术背景与核心价值 在传统文本分类任务中,开发者通常需要准备大量标注数据、设计模型结构、进行长时间训练和调优。这一流程不仅耗时耗力,而且对中小团队或快速验证场景极不友好。然而&…

作者头像 李华